Sie sind auf Seite 1von 87

Justus-Liebig-Universität Gießen

Fachbereich 09: Agrarwissenschaften, Ökotrophologie und Umweltmanagement


Institut für Bodenkunde und Bodenerhaltung

Mobilität und Verfügbarkeit von Seltenen Erden in


Abhängigkeit von chemischen und physikalischen
Bodeneigenschaften im Taunus

Bachelor-Arbeit im Studiengang
Agrarwissenschaften und Umweltmanagement

Modul BKA 04 – Bodenkunde und Agrartechnik

Betreuer: Prof. Dr. P. Felix-Henningsen


Zweitprüfer: PD Dr. R.-A. Düring
Eingereicht von:
stud. agr. Sliman Guergouri
Gießen, April 2009
Inhaltsverzeichnis
Tabellenverzeichnis ................................................. IV
Abbildungsverzeichnis ............................................ VI
1. Einleitung ................................................................ 1
1.1. Problemstellung................................................................................................... 1

1.2. Stand der Erkenntnisse ........................................................................................ 2

1.2.1 Vorkommen und Gewinnung ........................................................................... 2

1.2.2 Chemische und Physikalische Eigenschaften ................................................... 3

1.2.3 SE Bedeutung in der Landwirtschaft ............................................................... 4

1.3. Zielsetzung .............................................................................................................. 7

2. Untersuchungsgebiet TAUNUS ........................... 8


2.1. Geographische Einheit ................................................................................................ 8

2.2. Klima ........................................................................................................................ 10

2.3. Geologie und Relief ................................................................................................. 10

2.4. Böden ........................................................................................................................ 13

2.5. Landnutzung ............................................................................................................. 18

3. Untersuchungsmethoden ................................... 19
3.1. Vorarbeit ................................................................................................................... 19

3.1.1 Feldarbeiten .................................................................................................... 19

3.1.2 Ton: Korngrößenanalyse ............................................................................... 19

3.1.3 pH-CaCl2 ........................................................................................................ 20

3.1.4 Königswasser-Aufschluss .............................................................................. 20

3.1.3 Ermittlung des organischen Kohlenstoffgehalts ............................................ 21

3.2. SE Eigene Untersuchungen ................................................................................... 22

II
3.2.1 Extraktion mit Ammoniumnitrat (NH4NO3) .................................................. 22

3.2.2 Multiple Regressionsanalyse .......................................................................... 22

4. Ergebnisse ........................................................... 24
5. Diskussion ........................................................... 32
5.1 Güte und Grenzen des Schätzmodells ....................................................................... 32

5.2 Ausgeschlossene Variablen und Daten ...................................................................... 33

6. Schlussfolgerung ................................................ 37
7. Zusammenfassung ............................................. 40
8. Literaturverzeichnis ............................................ 41
9. Anhang ................................................................. 46

III
Tabellenverzeichnis

Tab. 1: Seltenerdvorkommen weltweit 3

Tab. 2a: Profilbeschreibung des Profil Nr. 1 14

Tab. 2b: Beschreibung des Profil Nr. 2 15

Tab. 2c: Beschreibung des Profil Nr.3 15

Tab. 2d: Beschreibung von Profil Nr.4 16

Tab. 2e: Beschreibung von Profil Nr.5 16

Tab. 2f: Beschreibung von Profil Nr.6 17

Tab. 2g: Beschreibung von Profil Nr.7 17

Tab. 2h: Beschreibung von Profil Nr.8 17

Tab. 2i: Beschreibung von Profil Nr.9 17

Tab. 2j: Landnutzung im Hochtaunuskreis und Usingen (Stadt) in ha 18

Tabelle 2: Anteile und Durchschnittsgehalte verschiedener 25


Seltenerdelementgruppierungen im Transsekt Taunus

Tabelle 3: Anteile leichter und schwerer Seltener Erden 25


und Scandiums am Totalgehalt Seltener Erden, im Transsekt Taunus

Tabelle 4: Bestimmtheitsmaße (in Prozent) für Regression die jeweilige 26


Seltenerdelemente (abhängige Variable) mit dem Prädiktor
Protonenkonzentration (*) und den beiden Prädiktoren
Protonenkonzentration(**) und zugehörigemTotalgehalt der jeweiligen
Seltenen Erde(**)

Tabelle 5: Vergleich der Ergebnisse bei, um den Oberboden, bereinigten 27


Datensätzen, mit dem gesamten Datensatz. (Vgl. mit Abb.1)

Tab.6: Schätzformeln zur Bestimmung einzelner mobiler 28


Seltenerdelemente, im gesamten Boden.

IV
Tab.7: Schätzformeln zur Bestimmung der mobilen Fraktionen 29
leichter Seltener Erden (LSE), schwerer Seltener Erden (SSE) und
aller Seltenen Erden für den gesamten Boden und die Unterböden.

Tabelle 8: Vergleich im Bestimmtheitsmaß zwischen 30


gesamtem Datensatz und (um Oberboden) bereinigtem
Datensatz anhand verschiedener Modelle.

Anhang:

Tabelle a/1: Seltenerdelementgehalte aus der Natriumnitratextraktion 46

Tabelle a/2: Seltenerdelementgehalte aus dem Königswasseraufschluss 47

Tabelle a/3: Protonenkonzentration in mol/l und cmol/l und pH-Wert. 48

Tabelle a/4: Ton- und organischer Kohlenstoffgehalt 49

V
Abbildungsverzeichnis

Abb.1: Transsekt Taunus, Langenhain-Ziegenberg 13

Abb.2a (rechts): Profil Nr.1, Braunerde 14

Abb.2b: Hoher Skelettanteil, Profil Nr. 2 15

Abb.2c : Profil Nr. 3, Gley 16

Abb. 3: Streudiagramme mit Regressionsgeraden von 31


mobilen Seltenerdelementfraktionen (als abhängige Variable),
und der Protonenkonzentration (als Prädiktor). Modelle mit und
ohne Daten für die Oberbodenhorizonte im Vergleich.

Abb. 4 : Streudiagramm, mobile Scandiumgehalte in 36


Abhängigkeit von der Protonenkonzentration.

Abb.5: Hypotetischer Verlauf einer Löslichkeitsbeziehung 38


eines Seltenerdmetalls in Abhängigkeit von der Protonenkonzentration
geschätzt von zwei verschiedenen linearen Regressionen.

VI
1. Einleitung 1

1. Einleitung

1.1. Problemstellung
Mit dem Begriff Seltene Erden wird eine Gruppe von 17 Metallen der, 3. Nebengruppe,
bezeichnet, die sich aus Yttrium(21), Scandium (39) und den Lanthanoiden (57-71)
zusammensetzt. Der Name Seltenerdmetalle lässt nicht auf die Häufigkeit dieser Elemente
in der Erdkruste zurückschließen, sondern fußt auf der Zeit ihrer Entdeckung bzw.
Benennung, in der sie zuerst in seltenen Mineralen gefunden wurden (SÜSS, 2004).
Seltenerdmetalle sind zwar in allen Böden ubiquitär vorhanden, meistens aber nur in sehr
geringer Konzentration. Die bisher größten Vorkommen liegen in China (ca. 60%), GUS
(Gemeinschaft unabhängiger Staaten) und den USA zu finden (vgl. Tab. 1 in Kap. 1.2).
Seltene Erden weisen sehr unterschiedliche Eigenschaften auf, welche sie für die
industrielle Nutzung unentbehrlich machen. So finden sie Anwendung in der Metallurgie,
Radiologie, Herstellung von Leuchtstoffröhren und Katalysatoren, der Keramik- und
Glasindustrie und in Supraleitern. Sogar in der Humanmedizin werden sie eingesetzt.
Diese Elemente gewinnen außerdem in der Landwirtschaft an Bedeutung, angeregt durch
die Ergebnisse in der chinesischen Landwirtschaft, in der Seltene Erden schon lange
Anwendung finden (GARNER und HEPPELL, 2005; MONAFO, 1983; FOX et al., 1977). Das
Interesse an Seltenen Erden in der Landwirtschaft wächst vor dem Hintergrund der
zunehmenden Weltbevölkerung und dem daraus resultierenden Druck, jährlich etwa 2%
mehr Lebensmittel zu produzieren, und dem EU-weiten Verbot antibiotischer
Leistungsförderer in der Tierproduktion, (seit 1.Jannuar 2006) bzw. der damit verknüpften
Suche nach Alternativen. Um Produkte wie Leistungsförderer oder Düngemittelzusätze
sicher einzusetzen und zuzulassen, bedarf es noch zahlreicher Forschungsarbeit bezüglich
der tatsächlichen Effekte unter westlichen Produktionsbedingungen und den Wirkweisen
Seltener Erden (bzw. Verbindungen mit Seltenen Erden) auf Tiere, Pflanzen und Böden.
Diese Arbeit soll dazu beitragen, die Verlagerbarkeit Seltener Erden in Abhängigkeit von
verschiedenen bodenchemischen und bodenphysikalischen Eigenschaften zu untersuchen.
Mit Hilfe einer Multiplen Regressionsanalyse soll zudem der Einfluss der verschiedenen
Faktoren auf den wasserlöslichen Seltenerdmetalanteil bewertet werden. Die Ergebnisse
sollen dazu beisteuern, ein besseres Verständnis für das Verhalten von Seltenerdmetallen
in Böden zu erhalten.

1
1. Einleitung 2

1.2. Stand der Erkenntnisse

1.2.1 Vorkommen und Gewinnung

Seltene Erden machen etwa 0,01-0,02 Gewichtsprozent der Erdkruste aus und sind damit
keinesfalls so selten, wie ihr Name vermuten ließe. Da sie sehr reaktionsfreudig sind,
kommen sie nicht in Reinform vor und sind in verschiedenen Mineralien in Form von
Carbonaten, Oxiden, Phosphaten und Silikaten zu finden. Über den Globus sind die überall
vorkommenden Seltenen Erden sehr heterogen verteilt, wie in Tab. 1 zu sehen ist
(HEDRICK, 2004).

Bei Seltenen Erden unterscheidet man zwei Gruppen, die auf Grund ihres gemeinsamen
Vorkommens in der Natur klassifiziert werden: Die leichten und die schweren Seltenen
Erden; wobei Scandium (Ordnungszahl 21) nicht eindeutig zugeordnet wird. Die leichten
Seltenen Erden, oder auch Ceriterden genannt, sind die Elemente der Lanthanoide von der
Ordnungszahl 57-63: Lanthan (57), Cer (58), Praseodym (59), Neodym (60), Promethium
(61), Samarium (62), Europium (63).

Die schweren Seltenen Erden, auch als Yttererden bezeichnet, umfassen die restlichen
Lanthanoide (Ordnungszahl 64-71) und Yttrium (39): Yttrium (39) Gadolinium (64), und
Terbium (65), Dysprosium (66), Holmium (67), Erbium (68), Thulium (69), Yttberium
(70) und Lutetium (71) (GSCHNEIDNER, 1978).

Die wirtschaftlich wichtigsten Minerale sind Thalenit ( Y3Si3O10(OH) ), Thortveiti


( (Y/Sc)2Si2O7 ) und Xenotim ({Y/Yb}[PO4] ). Mit großen Anteilen an Seltenerdelement
sind auch in Bastnäsit und Monazit ( (Ln/Th)PO4) vertreten, welche auch die größte
wirtschaftliche Bedeutung haben. Die Gewinnung Seltener Erden aus Bastnäsit findet
vorwiegend in China und den USA statt, wo sie als Nebenprodukt im Bergbau anfallen,
während in Australien, GUS und USA, dazu Monazitsande verwendet werden. Die
Gewinnung von Seltenerdmetallen aus Monazit ist auf Grund geringer Konzentration und
hartem Begleitgestein unwirtschaftlich, darum werden die stärker verwitterten
Monazitsande genutzt. (BLUME, 2001)

Durch ihre chemische und physikalische Ähnlichkeit, ist es sehr aufwendig und
kostenintensiv, die Seltenerdmetalle aufzutrennen, was dazu führt, dass meist nur
2
1. Einleitung 3

Seltenerdgemische behandelt bzw. verwendet werden, wie zum beispielsweise bei


Seltenerddüngern in China.

Tab. 1: Seltenerdvorkommen weltweit. (HEDRICK, 2004).

Verteilung Seltenerdmetalle (in Kilo Tonnen)


Wirtschaftl. erschlossen natürl. Reserven % Reserven weltweit
China 27000 89000 59.3
GUS 19000 21000 14.0
USA 13000 14000 9.3
Australien 5200 5800 3.9
Indien 1100 1300 0.9
Kannada 940 1000 0.7
Süd Afrika 390 400 0.3
Brasilien 110 200 0.1
Malaysia 30 35 0.02
Sri Lanka 12 13 0.008
Andere 21000 21000 14.0
Gesamt 88000 150000 100

1.2.2 Chemische und Physikalische Eigenschaften


Die Entdeckung, bzw. Isolierung der Seltenerdelemente erstreckte sich über einen langen
Zeitraum, da sie meist in Gruppen auftreten und aufgrund ihrer physikalischen und
chemischen Ähnlichkeit schwierig zu isolieren waren; Scandium ausgenommen. Sie zählen
zu den Übergangsmetallen, sind reaktionsfreudig und oxidieren schnell an der Luft. Zudem
gehen sie in der Regel ionische Bingen ein, in denen sie als dreiwertige Kationen
vorliegen. Lanthanoide sind auch in der Lage di- oder tetravalente Zustände anzunehmen,
wobei lediglich Ce4+ und Eu2+ stabil sind (BLUME, 2001). Seltenerdelemente sind auch in
der Lage, Komplex (Komplexzahlen zwischen 6 und 12 sind möglich, 8 und 9 häufig) und
Chelatbindungen einzugehen. Hier überwiegen die Chelatbindungen, welche mit

3
1. Einleitung 4

zunehmender Ordnungszahl, bzw. abnehmenden Ionenradien, stabiler werden (HORROCKS


und SUKNICK, 1979).

Seltenerdelemente gehören, wie schon Anfangs erwähnt, der 3. Nebengruppe des


Periodensystems an. Sie sind auch Teil des F-Blocks (Scandium und Yttrium
ausgenommen), weil mit steigender Ordnungszahl bei der selben Oxidationsstufe,
hinzukommende Elektronen zuerst die 4f-Schale besetzen. Von Bedeutung ist das
insbesondere für die Ionenradien der Lanthanoide, da durch das Besetzen des großen und
diffusen f-Orbitals (Elektronen sind weniger lokalisiert als in s-, p- und d- Schalen) die
zunehmenden Kernkräfte schlechter abgeschirmt werden. Zwar erfährt das f-Orbital eine
Ausdehnung, aber gleichzeitig werden die äußeren 5s und 5p-Orbitale stärker angezogen,
was dazu führt, dass die Ionenradien insgesamt kleiner werden. Das Phänomen trägt die
Bezeichnung Lanthanoidenkontraktion und ist einer der Gründe für die chemische
Ähnlichkeit der Seltenerdelemente. (COTTON und WILKINSON, 1966).
Neben der Verringerung der Ionenradien, ist die Auffüllung der 4f-Schale noch für die
magnetischen Eigenschaften der Lanthanoide verantwortlich. Mit Ausnahme von Y3+,
La3+, Lu3+ und Sc3+, welche, aufgrund abgeschlossener Schalen, diamagnetisch sind, sind
die restlichen Lanthanoide paramagnetisch.

Außerdem ist die Elektronenkonfiguration auch noch für die scharf definierten
Absorptionsbande der Lanthanoide verantwortlich: Durch die gefüllten 5s- und 5p-Schalen
ist die 4f-Schale gut gegen Störungen bzw. Veränderungen der Absorptionsbande
abgeschirmt (Ce3+ und Yb3+ bilden hier eine Ausnahme). Die höheren Orbitale gehen auch
die Bindungen ein, wodurch das 4f-Orbital ebenfalls vor Einflüssen, in Bindungen bzw.
Komplexen, geschützt wird, und seine magnetischen Eigenschaften bzw. Absorptions-
eigenschaften erhält.

1.2.3 SE Bedeutung in der Landwirtschaft

Seltene Erden werden in China schon seit annähernd 40 Jahren erfolgreich in der
Landwirtschaft eingesetzt. Die chinesische Literatur berichtet sowohl von höheren
Erträgen in der Pflanzenproduktion, als auch von verbesserter Futterverwertung und
erhöhter Gewichtszunahme in der Tierproduktion (GUO et al., 1988). Diese
4
1. Einleitung 5

aufsehenerregenden Ergebnisse, insbesondere in der Tierproduktion, wecken das Interesse


an Seltenen Erden in der westlichen Landwirtschaft. Da das Leistungsniveau in der
westlichen Landwirtschaft um ein Vielfaches höher ist, als es in China der Fall ist, lassen
sich die Ergebnisse in der chinesischen Landwirtschaft nicht uneingeschränkt auf die
westliche übertragen. Beispielsweise sind der westlichen Tierproduktion sowohl Haltungs-
und Fütterungsbedingungen, als auch das genetische Leistungspotential wesentlich höher,
als in der chinesischen (GUO et al. 1988).

Die zu erwartenden Ergebnisse, unter hiesigen Bedingungen, sollten weniger spektakulär


ausfallen. Dennoch ist, nach dem Verbot antibiotischer Leitungsförderer in der EU, der
Druck alternative Leistungsförderer zu finden groß. Diesbezügliche Forschungen
beschränken sich meist auf die Suche nach signifikanten Effekten und einer geeigneten
Form, in der die Seltenerdmetalle dem Futter zugegeben werden. Hier sind organische und
anorganische Seltenerd-Verbindungen zu unterscheiden. Organische Verbindungen zeigten
bisher die stärkeren Effekte und sind deshalb als Futtermittelzusatz geeigneter. Ob Seltene
Erden jedoch tatsächlich signifikante Effekte aufweisen, ist in der Fachwelt immer noch
stark umstritten. Wo Streitigkeit über das Vorhandensein von signifikanten Effekten
herrscht, ist ein geeintes Unwissen über die vollständige Wirkweise von Seltenerdmetallen
im Organismus zu finden.

Da Seltene Erden ubiquitär vorhanden sind, dem Futtermittel nur in geringen Dosen
zugesetzt werden und eine geringe Toxizität aufweisen, gelten sie für den Menschen als
ungefährlich. So wurden, bei Fütterungsversuchen, in den Schlachtkörpern der
Kontrollgruppe, annähernd gleich hohe Seltenerdmetallkonzentrationen gefunden, wie in
den Schlachtkörpern der Tiere, welchen Seltene Erden zugefüttert wurden (RAMBECK und
WEHR, 2005). Seltene Erden gelten in der Schweiz als unbedenklich und sind bereits als
Leistungsförderer zugelassen und werden unter dem Namen Lancer© vertrieben. An der
anderen Hand liegen auch weiterführende Studien über eine mögliche Anreicherung in der
Nahrungskette vor (CHUA, 1998).

In der Pflanzenproduktion sind bisher ebenfalls nur die Auswirkungen von


Seltenerdmetallen bekannt, aber nur wenig über deren Ursachen. Die, schon in den frühen
30er Jahren beginnenden Forschungen, erzielten ebenfalls unterschiedliche Ergebnisse.
Einerseits hemmt die Applikation Seltener Erden die Zellteilung und das Wurzelwachstum

5
1. Einleitung 6

(van STEVENINCK et al., 1990), andererseits zeigten Studien auch eine Erhöhung des
Trockenmassegehalts, des Ernteertrags und des Wurzelwachstums (SHAROUBEEM und
MILAD 1968). HANZELY und HARMET (1982) stellten sogar nach anfänglicher
Wachstumsdepression eine verstärkte Wachstumsreaktion fest. Besonders signifikant
waren die Effekte bei Pflanzen, welche Trockenstress ausgesetzt waren (REDDY et al.
2001). MEEHAN et al. (2001) konnte ebenfalls nur unter Trockenstress, bzw. einer
Feldkapazität von unter 50%, eine erhöhte Wassernutzungseffizienz, bzw. einen höheren
Trockenmassegehalt, gegenüber der Kontrollgruppe, feststellen. Wie sich aber auch in
diesen Versuchen herausstellte, ist die Wirkung der Seltenerdmetalle nicht auf jede
Pflanzenspezies die gleich. So hat Weizen mit einer Senkung des osmotischen und des
Wasserpotentials, bei gleichbleibendem Turgor, reagiert, während in Zellen der Gerste eine
Steigerung stattgefunden hat. Gründe hierfür können in artenspezifischen Mechanismen
zur Trockenstressbewältigung liegen, was aber nur ein Beispiel für die Vielfältigkeit der
Wirkweisen in verschiedenen Pflanzenarten ist.
Essenziell für die Nutzung der Seltenen Erden als Dünger ist also die Pflanzenspezies,
bzw. die artenspezifische Forschung. Dass Pflanzenarten individuelle Assimilationsmuster
aufweisen, zeigten auch WYTTENBACH et al. (1998) in ihrer Studie, neben der Erkenntnis,
dass die Aufnahme von Ce bei allen untersuchten Pflanzen unterhalb der (durch
Interpolation der Werte der benachbarten Elemente) zu erwartenden Menge liegt (Ce-
Anomalie). Die Erkenntnis, dass Pflanzenarten sehr unterschiedlich reagieren können,
führt zu der Einsicht, dass bisher durchgeführte Untersuchungen und deren Ergebnisse
größtenteils nur für die Pflanzen, mit welchen sie durchgeführt wurden, repräsentativ sind.
Außerdem wurden viele verschiedene Seltenerdelemente, oder Seltenerdgemische als
Dünger verwendet, was die einzelnen Studien noch spezieller macht, bzw. es noch
schwieriger macht, allgemeingültige Aussagen zu treffen.
Die größtenteils sehr kontroversen Ergebnisse und das sehr breite Spektrum an Versuchen
zeigt nur, dass die Problematik sehr komplexer und multifaktorieller Natur ist. Deshalb
lässt sich sagen, dass die wichtigste Faktoren das Medium (bzw. der Boden), die
Konzentration, Zusammensetzung und Form der applizierten Seltenen Erden, Art und
Zeitpunkt der Ausbringung und nicht zuletzt die Pflanzenart selbst sind.
Ziel der europäischen Forschung ist es nun zu prüfen, ob Seltene Erden als Futterzusatz
oder Düngemittel geeignet, bzw. ungefährlich für Mensch, Tier und Umwelt sind.

6
1. Einleitung 7

1.3. Zielsetzung

Ziel dieser Arbeit ist es, den verfügbaren und mobilen Anteil Seltener Erden und den
Einfluss ausgewählter, bodenchemischer und bodenphysikalischer Faktoren, auf diese zu
bewerten: Erfasst wurden die Daten im Transsekt Taunus. Hierzu wird der Einfluss des
pH-Werts, des Tongehalts (der Korngröße), des Bodenvorrats an Seltenen Erden und des
Gehalts an organisch gebundenem Kohlenstoff herangezogen. Um den Grad der Wirkung
der einzelnen Faktoren bestimmen zu können wird eine multiple Regressionsanalyse
durchgeführt.
Die Proben aus dem Transsekt Taunus liefern einen guten Querschnitt durch die Böden des
Taunus. Die in der Arbeit gewonnen Ergebnisse können zur Entwicklung einer Formel
beitragen, mit der Werte für den gesamten Taunus, anhand leicht zu bestimmender
bodenchemischer und/oder bodenphysikalischer Faktoren, geschätzt werden könnten.

Ein Zusammenhang zwischen der Löslichkeit von Metallen (bzw. Kationen) und dem
Tongehalt, dem organischen Kohlenstoffgehalt (Corg) wie dem pH-Wert (G. D. NRW,
2009; Blume, 1990) legen die Vermutung nahe, dass die Mobilität Seltener Erden sich bei
sinkendem pH-Wert ebenfalls erhöht. Forschungsarbeiten zu diesem Thema bestätigten
diese Vermutung z.T. und qualifizierten den Tongehalt und den pH-Wert als näher zu
untersuchende Bodenfaktoren.

7
2. Untersuchungsgebiet TAUNUS 8

2. Untersuchungsgebiet TAUNUS
2.1. Geographische Einheit

Das Untersuchungsgebiet ist ein Transsekt, welches eine größtmögliche Schnittmenge aller
Charakteristika des Naturraum Taunus aufweist. Das Transsekt befindet sich in
Langenhain-Ziegenberg, verläuft über das Vogeltal hinweg und endet anschließend
nördlich auf der linken Talflanke der Usa (Usbach). Es umfasst 9 Bodenprofile.

In der naturräumlichen Einteilung nach E. MEYNEN (1962) findet sich der Taunus in der
Großregion der deutschen Mittelgebirge, in der Region des Grundgebirgsschollenlandes
wieder. Der Mittelgebirgszug der Haupteinheitengruppe Taunus beschreibt den
südöstlichen Teil des Rheinischen Schiefergebirges, welcher sich östlich des Rheins
befindet. Er wird im Norden durch die Lahn begrenzt und läuft im Süden im Main-
Taunusvorland aus. Von Süden aus betrachtet, ist der Taunus in folgende Haupteinheiten
unterteilt: Vortaunus, Hoher Taunus, Westlicher Hintertaunus, Idsteiner Senke und
Östlicher Hintertaunus.

Der Vortaunus,

ist ein eigenständiges Vorgebirge mit einer Höhe zwischen 300-500m (üNN), welches den
Hohen Taunus vom Rhein-Main-Tiefland abgrenzt und das Südostende des Taunus bildet.
Der Höhenzug ist größtenteils bewaldet und es herrschen Silikatverwitterungsböden vor,
welche nur stellenweise mit Lößüberlagerungen bedeckt sind. (HLUG, 2009)

Hoher Taunus,

wird der schmale Höhenzug genannt, dessen höchste Erhebung der Große Feldberg (880m
üNN) ist. Im Wesentlichen wird eine Höhe von 500m (üNN) nur am Südwest- und
Nordostende unterschritten. Auf den nährstoffarmen, sauren quarzitischen Böden des
Hohen Taunus findet sich ein Buchenwald wieder, der in Höhen über 800m (üNN) meist

8
2. Untersuchungsgebiet TAUNUS 9

von Fichten abgelöst wird. Der Hohe Taunus ist fast vollständig bewaldet, mit Ausnahme
seines Nordostendes (Nauheimer Taunussporn). (HLUG, 2009)

Östlicher Hintertaunus

ist die vom Hohen Taunus nach Nordwesten hin, bis zum Lahntal, abfallende
Rumpfhochfläche, welche größtenteils aus stark gefaltetem, devonischem Tonschiefer,
vereinzelt Massenkalt und Diabasschalstein besteht. Der östliche Hintertaunus ist
eigentlich ein Waldgebiet, in dem ursprünglich Buchen und Eichen zu finden waren, heute
aber eine verstärkte Verfichtung zu beobachten ist. (HLUG, 2009)

Westlicher Hintertaunus,

ist das etwas uneinheitlichere, durch die Idsteiner Senke getrennte, Pendant zum östlichen
Hintertaunus. Seine Untereinheiten grenzen sich deutlicher voneinander ab, als es im
östlichen Hintertaunus der Fall ist. (HLUG, 2009)

Idsteiner Senke

ist die Bezeichnung einer schmalen, 3-4 Kilometer breiten, größtenteils waldfreien,
lößbedeckten bördeähnlichen Senke, zwischen dem östlichen und westlichen Hintertaunus.
Durch die sehr fruchtbaren Böden und damit einhergehender Landwirtschaft, unterliegt
dieses Gebiet schon seit der Jungsteinzeit, starken naturlandschaftlichen Veränderungen.
(HLUG, 2009)

9
2. Untersuchungsgebiet TAUNUS 10

2.2. Klima

Das Klima des Taunus einheitlich anzugeben gestaltet sich, aufgrund seiner diversen
Topographie schwierig. Zwar kann man für die gesamte Region geschätzte, bzw.
interpolierte Werte angeben, im Grunde ist das Klima aber zu stark von regionalen
Faktoren beeinflusst: So spielt beispielsweise die Höhe über NN, die Hangneigung und die
Exposition eines Höhenzuges/Berges (hinsichtlich der Bewitterung und der
Sonneneinstrahlung) eine entscheidende Rolle für Niederschlag und Temperatur. Die hier
vom HLUG (2009) gemittelten Werte stellen also lediglich einen Überblick dar, können
aber nicht die scharfen klimatischen Abgrenzungen zwischen einem Tal und einem
benachbarten Berg aufzeigen.

Für das Gebiet des Transsekts ist ein jährlicher Niederschlag von 701-800 mm *a-1 und
eine Mittlere Tagestemperatur von 8,1 bis 9,0°C angegeben (HLUG, 2009).

2.3. Geologie und Relief

Der Transsekt Taunus liegt am Ostrand des Kartenblatts Nr. 5617 Usingen der
geologischen Karte von Hessen (1:25 000), im Vogelbachtal, einem aus Süden
kommenden Seitental des Usbachs. Seinen Ursprung findet das Gestein des Blatts in
großen Teilen in Sedimenten eines devonischen Ozeans, welcher bis ins Oberkarbon hinein
bestand. Die Sedimentschichten besitzen eine Mächtigkeit von bis zu 12 km und bestehen
teilweise aus vulkanischen Ablagerungen. Eine eher untergeordnete Rolle im Blattgebiet
spielen vulkanische Gesteine. Das im Blatt am weitesten verbreitete Gestein, entstammt
Schichten des Unterems. Sie stammen aus einem urzeitlichen, tiefer als das
Taunusquarzitmeer gelegenen, Meer. Dort entstand eine großflächige und recht monotone
Bildung von Tonschiefern, Grauwackenschiefern, Grauwackensandsteinen und
quarzitischen Sandsteinen nebeneinander, oder nacheinander. Der Tonschiefer, der heute
im Nordwesten des Blatts in einigen reinen Lagerstätten zu finden ist, stellt sich über das
gesamte Blatt verteilt eher als verunreinigter, glimmerreicher, rauer und dunkelgefärbter

10
2. Untersuchungsgebiet TAUNUS 11

Ton- und/oder Grauwackenschiefer dar. Durch Zuführung von sandhaltigem Material


bildeten sich aus den Grauwackenschiefern z.T. sandige Grauwackenschiefer bzw.
Grauwackensandstein und Grauwackenquarzite. In Grauwackenschiefer eingebettet sind
auch vereinzelt die grauweißen bis gelblichen Emsquarzite zu finden.

Neben den glimmerreichen Grauwackenschiefern finden sich noch glimmerärmere,


feldspatführende Schichten aus dem Oberems und in Tonschiefer eingelagerte,
Grauwacken, welche sich von ihrem glimmerreichen Pendant aus dem Unterems
unterscheiden. Diese Oberemsschichten treten heute, im Blattgebiet, in einem breiten Zug
mit nordöstlicher Richtung, in der Usingen-Münster-Hochweisler-Mulde, auf.
Vereinzelt über das gesamte Blatt verteilt, sind die sehr auffälligen Schichten von
Porphyroide bzw. Porphoryoidschiefer zu finden, welche gelb, grün, blau und rotviolett
sein können und sich, in schmalen Bänken, über Grauwackenschiefern, oder auch über
Tonschiefer ablagerten. Die Schichten haben eine Mächtigkeit von wenigen Zentimetern
bis zu 20 Meter und sind dem Unterems zuzuteilen.

Sedimente des strandnahen Taunusquarzitmeers sind nur in der Südostecke des Blattes
anzutreffen und gehören nicht dem Unterems an. Hierzu gehören Taunusquarzite
(Siegenstufe), Hermeskeilschichten und Buntschiefer (Gedinnestufe).

Im Zuge der variskischen Faltung (genauer: Rhenoherzynikum) hob sich der Meeresboden
an und schuf ein sehr stark gefaltetes (bzw. geschupptes und geschobenes) Gebirge, von
dem heute nur noch ein Rumpfgebirge (Rheinische Schiefergebirge) erhalten ist. Auf dem
Blatt Usingen ist nur eine abgetragene, eingeebnete und stark verwitterte Fläche bestehen
geblieben. Diese starke Verwitterung fand hauptsächlich im Tertiär statt. Dort entstandene
Verwitterungsprodukte (Tone, sandige Lehme, mürbe Sandsteine, bzw. reine Sande)
finden sich auf dem Blatt, mit vereinzelten Ausnahmen, im Nordosten wieder. Die
restliche Fläche ist stärker im jüngeren Tertiär, vorwiegend aber im Quartär geprägt
worden. Bei den quartären Bildungen spielt insbesondere die Erosion, neben weiterer
Verwitterung (Fortsetzung der tertiären Verwitterung in Form von Verwitterungslehme, im
Südwesten des Blatts), eine große Rolle. Die verwitterte Ebene des Rumpfgebirges wurde
von Bächen zerschnitten und Gesteine wurden je nach Verlagerbarkeit mehr oder weniger
weit transportiert oder umgeschichtet. So entstand eine zerfurchte Landschaft mit

11
2. Untersuchungsgebiet TAUNUS 12

Verwitterungsbergen, welche noch heute annähernd eine gleiche Höhe haben. Größtenteils
verschont von der Erosion blieb der Taunusquarzit, welcher auf Grund seiner guten
Wasserleit- und Speicherfähigkeiten dem Wasser beinah jegliche Erosionskraft raubte. So
ist der Taunuskamm im Südosten des Blattes auch deutlich weniger zertalt, als die
restlichen Unteremsgebiete. Nichtsdestotrotz ist Taunusquarzitschutt, durch die leicht
verschleppbaren Verwitterungslehme, in Form von langen, nach Norden reichenden
Zungen transportiert worden. Auch im Übrigen Blattgebiet sind die leicht erodierbaren
Verwitterungslehme an den Talflanken, meist mit Schutt des jeweiligen
Untergrundgesteins (meist Schieferbröckchen) vermischt, zu finden.

Neben der Verwitterungs- und der Schuttbildung ist noch die äolische Bildung, Löß, zu
erwähnen, die stellenweise die anderen Bildungen überlagert, oder mit ihnen verzahnt ist.
Mancherorts wird er auch vom Gehängeschutt überlagert. Auf dem Blatt hat er seine
größte Verbreitung in der Nordostecke. Ehemals war er wohl weiter verbreitet, wurde aber
mit dem Verwitterungslehm abtransportiert und vermischt.

Die Bewegung der Gesteine setzt sich bis heute (Holozän) fort. So sind die Ausfüllungen
der Täler, bzw. der Flussbetten, in ihrer jetzigen Form im Holozän entstanden.
(MICHELS, 1977; WALTER, 1992; THEWS, 1996)

12
2. Untersuchungsgebiet TAUNUS 13

2.4. Böden

Der untersuchte Transsekt im Taunus


umfasst 9 Bodenprofile, welche sich über
das Vogeltal, Usatal (Usbachtal) und
deren angrenzende Berghänge erstreckt.
Wie bereits in Kapitel 2.3 beschrieben,
sind die Berghänge meist stark erodiert,
was einen hohen Skelettanteil zur Folge
hat. Erwartungsgemäß sind die Böden an
den Hängen flachgründig und weisen
eine geringe nutzbare Feldkapazität und Abb.1: Transsekt Taunus, Langenhain-
niedrige Nährstoffversorgung auf. Die Ziegenberg

Verwitterungslehme haben auf ihrem Weg in die Täler Schutt aus Tonschiefer aus dem
Untergrundgestein herausgelöst und mittransportiert (Abb.2b). Außerdem haben sie sich
dabei mit dem aufliegenden Lößschleier vermischt. Meistens bilden sich hieraus an den
Hängen Braunerden, mit Fließerden in der Hauptlage und Fließschutt in der Basislage aus
schwach metamorph überprägtem Sedimentgestein (Ton- und Grauwackenschiefer).

Eine Bildung von Parabraunerden ist nur dort möglich, wo Erosion die bodenbestimmende
Schicht nicht abträgt. Meist sind erst an den Talrändern die Bedingungen zur Entstehung
von Parabraunerden gegeben. Oft sind diese Böden schon mit den Gleyen (bzw.
Pseudogleyen) der Täler vergesellschaftet und weisen partiell typische Merkmale von
Hanggleyen auf. Da es sowohl den Böden, als auch dem Ausgangsgestein an genügend
Wasserleit- und Einsickerungsfähigkeit mangelt (HLUG,2009), sind die Gleye und
Pseudogleye im Allgemeinen stark von Niederschlagsereignissen und der
Vegetationsperiode geprägt, weshalb sie oft Oxidationsmerkmale in den
stauwasserbeeinflussten (bzw. grund- wasserbeeinflussten) Horizonten aufweisen.

Die Talausfüllungen selbst bestehen aus umgelagertem Lößlehm mit feinen Schotterlagen
und setzen sich nach der Transportkraft des jeweiligen durchfließenden Gewässers

13
2. Untersuchungsgebiet TAUNUS 14

zusammen. Der zugehörige Boden ist entweder ein Gley, eine Vega oder Gleyvega. Profil
Nr.8 im Usa-Tal ist beispielsweise eine solche Vega mit 2-20dm Auenschluff/-ton über
Auenlehm/-ton (BODENKARTE VON HESSEN, 2002).

Da die Fraktion von der Transportkraft


des durchfließenden Gewässers abhängt,
werden in kleinen Seitentälern, wie dem
oberen Vogeltal, nur Verwitterungslehme
angeschwemmt; während bei stärkerer
Erosion auch Schotter in den Tälern
abgelagert und weitertransportiert wurde.
Lokal betrachtet sind feinere Fraktionen
eher in Ufernähe zur Sedimentation
gelangt (MICHELS, 1977).

Abb.2b: Hoher Skelettanteil, Profil Nr. 2 Profil Nr. 1, 3 und 8 wurden Tälern
(siehe Abb.1) entnommen, Profil Nr. 2, 4, 7 und 9
liegen an Talrändern (siehe unten).
In den Tabellen 2a-2i sind anschließend die aufgenommenen Profile einzeln aufgeführt.
Gemäß der BODENKUNDLICHEN KARTIERANLEITUNG (2005) wurden die in der Vorarbeit
bestimmten Horizonte beschrieben (siehe Kap. 3.1.5).

Tab. 2a: Profilbeschreibung des Profil Nr. 1

Profil 1 Horizontbezeichnung Mächtigkeit [cm] Subtyp


1 (m) Ah (massives Substrat) humoser Oberboden 0 – 3-6 GG-YK
1M sedimentiertes, holozänes, humoses Solummaterial 3-6 – 42 Gley-Kolluvisol
1 M (Go) sedimentiertes, holozänes, humoses Solummaterial 42 – 90
(semiterrestrischer B.Horizont mir Grundwassereinfluss, oxidiert)
1 Gor semiterrestrischer B.Horizont mir Grundwassereinfluss, 90 –
mit Oxidations- und Reduktionsmerkmalen
1 Gr semiterrestrischer B.Horizont mir Grundwassereinfluss, reduziert -140 03.03.2008

14
2. Untersuchungsgebiet TAUNUS 15

Abb.2a (rechts): Profil Nr.1, Braunerde

Profil 1 befindet sich in einem kleinen


Seitental der Usa, westlich des Vogeltals.
Das Solummaterial der M-Horizonte, aus
der Um- und Ablagerung leicht
transportierbarer Böden, stellt einen für
kleine Täler typischen Boden dar.

Tab. 2b: Beschreibung des Profil Nr. 2 (siehe auch Abb.2b)


Profil 2 Horizontbezeichnung Mächtigkeit [cm] Subtyp
2 rAp reliktischer Oberboden, wurde regelmäßig gepflügt 0 – 21 BB
2 Sw-Btv stauwasserleitender Unterboden mit Stauwassereinfluss, verzahnt 21 – 39-42 Braunerde
mit tonangereichertem Unterboden mit Verwitterungsspuren
2 II Swd-Cv Unterboden mit Stauwasserinfluss, schwach stauwasserleitend 39-42 – 61
2 III Swd-Cv verzahnt mit vewittertem Untergrund 61 – 97+ 03.03.2008

Profil 2 ist ein ehemals landwirtschaftlich genutzter Braunerdeboden mit schwacher


Neigung, auf einer leichten Erhebung zwischen zwei Seitentälern der Usa. Heute wird er
nur noch als Streuobstwiese genutzt.

Tab. 2c: Beschreibung des Profil Nr.3

Profil 3 Horizontbezeichnung Mächtigkeit [cm] Subtyp


3 rAp-Go reliktischer Oberboden, wurde regelmäßig gepflügt, 0 – 18 GG
mit anschließendem Horizont verzahnt Gley
3 Gor1 semiterrestrischer B.Horizont mir Grundwassereinfluss, 18 – 50
3 Gor2 mit Oxidations- und Reduktionsmerkmalen 50 – 90+ 06.03.2008

15
2. Untersuchungsgebiet TAUNUS 16

Der stark grundwasserbeeinflusste Boden


des Profil 3, im Grund des Vogeltal, (vgl.
Abb. 1) weist über alle Horizonte Spuren
von Oxidation auf, was darauf schließen
lässt, dass er nicht ganzjährig unter
Grundwassereinfluss steht. Die
Oxidationsspuren weisen auch auf den
starken Einfluss der Niederschlags-
ereignissen hin, welche in
Abb.2c : Profil Nr. 3, Gley
Unteremsgebiete einen großen Einfluss
besitzen (vgl. Kap 2.3).

In Tab. 2g (Profil 7) ist, als letzter der hier aufgeführten taunustypischen Bodenarten, ein
Handpseudogley beschrieben. Die Hangneigung ist mittelstark (9 bis 12%) und durch die
starke hangabwärts gerichtete Bewegung der Böden sind alle Unterbodenhorizonte
miteinander verzahnt.

Die geringe Mächtigkeit des A-Horizonts und der Stauhorizont in 6 dm zeigen wie
flachgründig Taunusböden in Hanglage sein können. Besser zu beobachten ist diese
Tatsache noch in Profil 4 (vgl. Tab. 2d), dem Profil mit der stärksten Neigung (18 bis
27%). Hier beginnt das Ausgangsgestein schon nach 22 bis 45 cm.

Tab. 2d: Beschreibung von Profil Nr.4


Profil 4 Horizontbezeichnung Mächtigkeit [cm] Subtyp
4 Ah humoser Oberboden 0 – 1-4 BBn
4 Bv verwitterter Unterboden 1-4 – 22-32 Normbraun-
4 II Cv verwitterter Untergrund 22-32 – 45 erde
4 III Cv verwitterter Untergrund 45 – 100+ 05.03.2008

Tab. 2e: Beschreibung von Profil Nr.5


Profil 5 Horizontbezeichnung Mächtigkeit [cm] Subtyp
5 Ah humoser Oberboden 0 – 2-5 BB
5 (Al)-Bv verwitterter Unterboden (verzahnt mit lessiviertem Oberboden) 2-5 – 41 Breunerde
5 Btv tonangereicherter Unterboden mit Verwitterungsspuren 41 – 66-72
5 II Cv verwitterter Untergrund 66-72 – 94+ 05.03.2008

16
2. Untersuchungsgebiet TAUNUS 17

Tab. 2f: Beschreibung von Profil Nr.6


Profil 6 Horizontbezeichnung Mächtigkeit [cm] Subtyp
6 Ah humoser Oberboden 0 – 2-6 BB-SSg
6 Bv-sSw verwitterter Unterboden, verzahnt mit hangwasserbeeinflusstem, 2-6 – 50-55 Braunerde-
stauwasserleitendem Unterboden hangpseudo-
6 II sSd-Cv dichter hangwasserbeeinflusster Unterboden, verzahnt mit 50-55 – 85+ gley
verwitterter Untergrund 06.03.2008

Tab. 2g: Beschreibung von Profil Nr.7


Profil 7 Horizontbezeichnung Mächtigkeit [cm] Subtyp
7 Ah humoser Oberboden 0 – 1-3 SSg
7 Bv-sSw verwitterter Unterboden, verzahnt mit hangwasserbeeinflusstem, 1-3 – 32 Hangpseudo-
stauwasserleitendem Unterboden gley
7 II sSd-sSw hangwasserbeeinflusster dichter Unterboden verzahnt mit 32 – 62
stauwasserleitendem Unterboden
7 III sSd-Cv dichter hangwasserbeeinflusster Unterboden, verzahnt mit 62 – 90+
verwitterter Untergrund 12.03.2008

Tab. 2h: Beschreibung von Profil Nr.8


Profil 8 Horizontbezeichnung Mächtigkeit [cm] Subtyp
8 arAp auendynamischer, reliktischer gepflügter Oberboden 0 – 22 GG-AB
8 II aGo-M auendynamischer, oxidierter semiterrestrischer Unterboden mit 22 – 53 Gley-Vega
Grundwassereinfluss verzahnt mit sedimentiertem holozänem,
humosem Solummaterial
8 III aGor auendynamischer, grundwasserbeeinflusster Unterboden mit 53 – 80+
Oxidations- und Reduktionsmerktmalen 13.03.2008

Tab. 2i: Beschreibung von Profil Nr.9


Profil 9 Horizontbezeichnung Mächtigkeit [cm] Subtyp
9 rAp reliktischer Pflughorizont 0 – 18 BB-SSg
9 sSw-Bv hangwasserbeeinflusster, stauwasserleitender Unterboden, 18 – 28 Braunerde-
verzahnt mit verwitterter Unterboden hangpseudo-
9 sSw hangwasserbeeinflusster, stauwasserleitender Unterboden 28 – 47-55 gley
9 II sSd-Cv dichter hangwasserbeeinflusster Unterboden, verzahnt mit 47-55 – 65
verwitterter Untergrund
9 III Cv verwitterter Untergrund 65 – 100+ 12.03.2008

17
2. Untersuchungsgebiet TAUNUS 18

2.5. Landnutzung

Die Daten der Landnutzung entstammen der hessischen Gemeindestatistik von 2008 (HSL,
2009) und sind deshalb in Verwaltungsbezirke untergliedert. Um einen Überblick über die
Landnutzung im Untersuchungsgebiet zu erlangen, wurden der Hochtaunuskreis und die
Stadt Usingen ausgewählt. Auffällig ist der, für den Taunus typischer Weise große Anteil
an Waldfläche, der in etwa die Hälfte der Gesamtfläche ausmacht (siehe Tab. 2j).

Tab. 2j: Landnutzung im Hochtaunuskreis und Usingen (Stadt) in ha

Gesamtfläche Gebäude und Erholungsfläche Betriebsfläche Verkehrsfläche Landwirtschafts- Waldfläche Wasserfläche Flächen anderer
Freifläche fläche Nutzung
Usingen Stadt 5583 ha 434 ha 9 ha 31 ha 374 ha 2201 ha 2486 ha 44 ha 5 ha
Hochtaunuskreis 48203 ha 4958 ha 119 ha 629 ha 3140 ha 14614 ha 24362 ha 265 ha 116 ha

18
3. Untersuchungsmethoden 19

3. Untersuchungsmethoden

3.1. Vorarbeit

Die Untersuchung der Proben auf den pH-Wert, die Korngröße und den
Königswasseraufschluss erfolgte bereits im Rahmen einer Arbeit, von Christian Albrecht.

3.1.1 Feldarbeiten

Die Feldarbeit umfasst das Anlegen, Aufnehmen und die Beprobung der 9 untersuchten
Profile. Es wurden dafür 9 Leitprofile angelegt, die am Transsekt liegen. Sie wurden so
angelegt, dass sie repräsentativ für ihre Einheiten sind (vgl. Kap 2.4).

Die Leitprofile wurden gemäß der BODENKUNDLICHEN KARTIERANLEITUNG (2005)


aufgenommen. Die Ansprache der Profile im Detail ist dem Anhang zu entnehmen (CD-
Anhang: Ordner Profile).

Nach Abschluss der Aufnahme der Profile erfolgte horizontweise die Entnahme von
gestörten (Misch-) Proben, welche in den folgenden Analysen weiterbehandelt wurden.

Die genaue Lage der Profile ist Abbildung 1 (Kapitel 2.4) zu entnehmen.

3.1.2 Ton: Korngrößenanalyse


Der Tongehalt wurde im Rahmen einer erweiterten Korngrößenanalyse bestimmt. Neben
der Nasssiebung, zur Bestimmung der Sand- und Grobschlufffraktion, wurde hierbei die
Pipett-Methode nach KÖHN durchgeführt, welche Mittel- und Feinschluff, als auch die für
uns relevanten Tongehalte lieferte.

Als Vorbereitung wurde 10 g Boden (<2 mm) und 200 mL entionisiertes Wasser in
Suspension gebracht. Um den Boden von Humus zu befreien, wurde die Suspension in

19
3. Untersuchungsmethoden 20

einem Wasserbad erhitzt und mit 25 ml Wasserstoffperoxid (H2O2) versetzt. Zusätzlich zur
Reinigung des Bodens von Carbonaten und Humus, wird der Suspension noch 25 ml
Natriumphosphat hinzugefügt. Beide Vorarbeiten dienen der idealen Dispergierung der
Suspension. Anschließend wird das so präparierte Bodenmaterial in verschließbaren
Glasflaschen 2 Stunden überkopf geschüttelt. Anschließend erfolgt die Nasssiebung an
Sieben, deren Maschenweite der Korngrößenfraktionen Grob-, Mittel-, Feinsand und
Grobschluff umfasst. Der übriggebliebene Teil der Suspension wird auf 1 L , mit
entionisiertem Wasser aufgefüllt, und in einen Sedimentationszylinder überführt. Es wurd,
in 10 cm Eintauchtiefe, 10,7 mL der Suspension, in den vorgeschriebenen Zeitabständen,
entnommen. Bei dem Verfahren wurde außerdem die Temperatur der Suspension
berücksichtigt und um eventuelle Abweichungen korrigiert. Im Anschluss wurden die
entnommenen Fraktionen gewogen, 24 Stunden lang bei 110°C getrocknet und erneut
gewogen, um die Fraktionen auswiegen zu können. Das Abkühlen und Auswiegen
geschieht im Exsikkator, um Kondensation entgegenzuwirken und die Messung nicht zu
verfälschen.

3.1.3 pH-CaCl2
Zur Messung des pH-Werts wurden 10 g Feinboden (<2 mm) mit 25 mL 0,01 M CaCl2
versetzt und 30 Minuten lang horizontal geschüttelt.

Nachdem sich das Bodenmaterial abgesetzt hat, wird der pH-Wert mit einem pH-Meter in
der überstehenden, flüssigen Phase gemessen. Es wurde eine doppelte Messung
durchgeführt. Zur Bildung des arithmetischen Mittels wurde die H+-Ionenkonzentration
benutzt. (SCHLICHTING et al., 1995)

3.1.4 Königswasser-Aufschluss
Der Königswasseraufschluss stellt einen Teilaufschluss dar, bei dem mehr als 90% der
Gesamtgehalte extrahiert werden. Diese übersteigen zwar die bioverfügbare Fraktion eines
20
3. Untersuchungsmethoden 21

Elements im Boden, stellen aber nicht den Gesamtgehalt dar, weshalb man die ermittelten
Gehalte auch als Pseudototalgehalte bezeichnet (BLUME, 1990). Die trockenen, Proben
wurden mit einer Achat-Mörsermühle feinst gemahlenen (<150µm), um eine homogenere
Probe zu erhalten und um die Angriffsfläche für die im Verfahren eingesetzten Säuren, zu
erhöhen.

Anschließend wurden die Proben in der Aufschlussapparatur des Instituts für Bodenkunde
und Bodenerhaltung gemäß der DIN ISO 11466:1997-06 zur „Extraktion in Königswasser
löslicher Spurenelemente“ behandelt. Weiterführend wurden die Elementgehalte im
Extrakt mittels ICP-MS (induktiv gekoppeltes Plasma – Massenspektrometer: Inductively
Coupled Plasma-Mass Spectrometry) bestimmt.

3.1.3 Ermittlung des organischen Kohlenstoffgehalts

Die Ermittlung des organisch gebundenen Kohlenstoffs (Corg) erfolgt rechnerisch nach der
Formel (WEGENER, 2003): Corg [%] = Cges [%] - Ccarb

Corg = organisch gebundener Kohlenstoff


Ccarb = carbonatischer Kohlenstoff
Cges = gesamter Kohlenstoff

Der carbonatische Kohlenstoff errechnet sich aus dem Carbonatgehalt (CaCO3) nach
SCHEIBLER. Der CaCO3-Gehalt wurde bei der Profilansprache für die durch Zugabe von
10%-iger Salzsäure gemäß der BODENKUNDLICHEN KARTIERANLEITUNG (2005) geschätzt.

Der gesamte Kohlenstoffgehalt wurde durch einen Elementaranalysator (CNS-Analysator


VarioEL III der Firma Elementar Analysesysteme GmbH) ermittelt. Dazu wurden 20 – 100
mg feinst gemahlenen Probenmaterials im CNS-Analysator bei 1150° C verbrannt und
dessen C-, N,- und S-Gehalt bestimmt.

21
3. Untersuchungsmethoden 22

3.2. SE Eigene Untersuchungen

3.2.1 Extraktion mit Ammoniumnitrat (NH4NO3)

Mit den Proben wurde eine Ammoniumnitratextraktion gemäß DIN 19730: 1997-06
„Gewinnung, Extraktion/Elution mobiler oder mobilisierbarer Fraktionen“ durchgeführt.
Dieses Verfahren dient der Ermittlung der mobilen Gehalte von Spurenelementen (im
vorliegenden Fall der Seltenerdelemente). Hierunter fallen die wasserlöslichen
Verbindungen eines Elements, austauschbar gebundene Ionen und leichtlösliche
Metallkomplexe, die unter den gegebenen Standortbedingungen in gelöster Form
vorliegen.

20 g des lufttrockenen feinen Bodens (< 2 mm) wurden mit 50 mL 1M NH4NO3 versetzt
und, abweichend von der DIN-Norm (Punkt 6.3), 2 Stunden horizontal statt über Kopf
geschüttelt. Nach 15 minütigem Absetzen, wurde die überstehende Lösung filtriert (0,45-
µm-Faltenfilter) und mit Salpetersäure (etwa 1 Vol.% des Extrakts). Auf eine Blindprobe
wurde verzichtet (Punkt 6.6 der DIN-Norm). Anschließend wurden die Elementgehalte
mittels ICP-MS (induktiv gekoppeltes Plasma – Massenspektrometer: Inductively Coupled
Plasma-Mass Spectrometry) im Institut für Landschaftsökologie und Ressourcenmanagement
bestimmt. Es wurde eine Doppelbestimmung durchgeführt und die Messwerte wurden
gemittelt.

3.2.2 Multiple Regressionsanalyse

Um mit Hilfe einer linearen multiplen Regression den Datensatz bearbeiten zu können
muss ein linearer Zusammenhang zwischen der abhängigen Variable und den Prädiktoren
bestehen. Dazu wurde der pH-Wert in die Protonenkonzentration umgerechnet.
Anschließen wurde die Regression zwischen der, in der Ammoniumnitratextraktion
bestimmten, mobilen Seltenerdelementfraktion, als abhängige Variable, und der
Protonenkonzentration, dem Tongehalt, den Totalgehalten (aus dem Königswasse-

22
23

raufschluss) und dem organisch gebundenen Kohlenstoffgehalt (Corg) ermittelt. Abhängige


Variablen waren, in verschiedenen Regressionsmodellen, die mobilen Gehalte der
einzelnen Seltenerdelemente, die Summe aller Seltenerdelemente, die der leichten
Seltenerdelemente und die der schweren Seltenerdelemente. Die Berechnungen wurden auf
einem Signifikanzniveau von α=0,05 durchgeführt. Auf Grund des kleinen Datensatzes
von n=34 (bzw. n=25 und n=9, siehe Kapitel 4) wurden keine Messwerte ausgeschlossen.
Mengen die unterhalb der Bestimmungsgrenzen lagen wurden auf Null gesetzt. Im Fall der
Corg-Gehalte, welche nur für die A-Horizonte vorliegen, wurde davon ausgegangen, dass
sie in tieferen Horizonten nicht, oder kaum vorhanden sind. (BLUME, 1990) Sie wurden
ebenfalls gleich Null gesetzt.

23
4. Ergebnisse 24

4. Ergebnisse

Die im Rahmen der Vorarbeiten ermittelten Ergebnisse, sind dem Anhang zu entnehmen,
(Königswasseraufschluss, Tongehalte, organisch gebundener Kohlenstoff, pH-Werte; siehe
Tab. a/1, a/2, a/3, a/4) und es wird ggf. darauf verwiesen. Die elementspezifischen
Einzelgehalte der Ammoniumnitratextraktion sind ebenfalls dem Anhang zu entnehmen
und werden nur bei Bedarf zitiert. Im Folgenden werden die Ergebnisse in
zusammengefasster Form präsentiert:
Der durchschnittliche Totalgehalt an Seltenerdelementen in den Böden des
Untersuchungsgebiets beträgt 192,6 mg/kg. In den A-Horizonten ist der
Durchschnittsgehalt mit 162,5 mg/kg etwas niedriger als in den Unterböden (203,5 mg/kg,
vgl. Tab. 2). Die Fraktion der leichten Seltenerdmetalle stellt erwartungsgemäß den
größten Anteil der Seltenerdelemente mit 85,8%. Die schweren Seltenen Erden machen
11,7% aus (siehe Tab. 3). Der restliche Anteil (2,5 %) ist Scandium, welches keiner der
beiden Gruppen zugeordnet wird (vgl. Kapitel 1.2.1.).

Es befinden sich 3,4 % der Seltenen Erden in der Bodenlösung. Auch hier sind deutliche
Unterschiede zwischen schweren und leichten Seltenerdelementen, und auch ihrer Lage zu
beobachten. Im Oberboden befinden sich nur 0,2 %, im restlichen Unterboden 4,6 % der
Seltenerdmetalle in Lösung. Leichte Seltenerdmetalle gehen prozentual wenig in Lösung
als schwere (leichte Seltene Erden: 3,0 %; schwere Seltene Erden: 7,2 %).
(siehe Tab. 2).

24
4. Ergebnisse 25

Tabelle 2: Anteile und Durchschnittsgehalte verschiedener Seltenerdelementgruppierungen


im Transsekt Taunus.
mobiler Anteil SE in % vom Totalgehalt 3,418
mobiler Anteil leichter SE in % vom Totalgehalt leichter SE 2,987
mobiler Anteil schwerer SE in % vom Totalgehalt scwerer SE 7,228
mobiler Anteil SE in % vom Totalgehalt, 0,206
in den A-Horizonten
mobiler Anteil SE in % vom Totalgehalt, 4,574
in den Unterbodenhorizonten
Ø-Gehalt der SE in [mg/kg] 192,632
Ø-Gehalt der SE, in den A-Horizonten in [mg/kg] 162,528
Ø-Gehalt der leichten SE in [mg/kg] 165,427
Ø-Gehalt der schweren SE in [mg/kg] 22,456
Ø-Gehalt der SE, im Unterboden in [mg/kg] 203,470

Tabelle 3: Anteile leichter und schwerer Seltener Erden und Scandiums am Totalgehalt
Seltener Erden, im Transsekt Taunus.

Leichte SE-Anteil am Totalgehalt der SE in % 85,9


schwere SE-Anteil am Totalgehalt der SE in % 11,7
Sc-Anteil am Totalgehalt der SE in % 2,5

Um den Zusammenhang zwischen den bodenchemischen und bodenphysikalischen


Faktoren und dem mobilen Gehalt Seltener Erden bestimmen zu können, wurde der
Einfluss einzelner Faktoren, oder ausgewählter Gruppen von Faktoren untersucht. Dabei
sind Unterschiede im Löslichkeitsverhalten von leichten und schweren Seltenen Erden,
und die unterschiedliche Löslichkeit von Ober- und Unterboden, berücksichtigt worden.
Bei einfacher linearer Regression (mit einem Signifikanzniveau von α=5%) wurde
untersucht, wie groß der Anteil ist, den der pH-Wert (Prädiktor) an der mobilen Menge an
Seltener Erde/leichter Seltener Erde/schwerer Seltener Erde (abhängigen Variable), erklärt.
Das Bestimmtheitsmaß (R²) mit 100 multipliziert, gibt diesen Anteil in Prozent wieder. Bei
der multiplen linearen Regression (α=5%) wird noch das Modell um eine weitere
unabhängige Variable (Prädiktor) erweitert. Wie in Tab. 4 zu sehen ist, steigt das
Bestimmtheitsmaß mit der Ordnungszahl an. Das bedeutet, dass mit zunehmender
Ordnungszahl die Bedeutung des pH-Wertes als unabhängige Variable zunimmt.
Bei Hinzunahme vom zugehörigen Totalgehalt des Seltenerdmetalls als zweiten Prädiktor,
25
4. Ergebnisse 26

erhöht sich das Bestimmtheitsmaß. Sowohl die Änderung des Bestimmtheitsmaßes (siehe
Abb. 1, Differenz) als auch das neue Bestimmtheitsmaß, steigen mit der Ordnungszahl.
Das zeigt, dass sowohl die Protonenkonzentration, als auch der Totalgehalt eines
Seltenerdelements einen, mit zunehmender Ordnungszahl steigenden, Einfluss auf dessen
Löslichkeit im Boden besitzt.

Yttrium bildet mit seinem hohen Bestimmtheitsmaß (siehe Tab. 4) eine Ausnahme, zählt
aber auch zu den schweren Seltenen Erden und stellt unter diesem Gesichtspunkt keine
Auffälligkeit mehr dar, da die Einteilung in diese Gruppe aufgrund ähnlicher chemischer
Eigenschaften erfolgte.

Wie eingangs an Tab. 2 erläutert, weisen Oberboden und Unterboden sehr verschiedene
Eigenschaften bezüglich der Löslichkeit Seltener Erden auf, weshalb im Folgenden mit
zwei verschiedenen Datensätzen gearbeitet wurde. Die Differenzierung zwischen dem
kompletten Datensatz (n=34) und dem, um die Oberbodenhorizonte (n=25), bereinigten
Datensatz und dem Datensatz der Oberböden (n=9), soll Unterschiede aufzeigen und dazu
beitragen eine möglichst genaue Schätzformel zu finden. Der Oberbodendatensatz konnte
aufgrund seiner geringen Stichprobengröße keine signifikanten Modelle liefern und wurde
deshalb nicht weiter bewertet. (siehe Anhang: Regression: A-Horizonte, S. 50 - 52)

Tab. 4: Bestimmtheitsmaße (in Prozent) für Regression die jeweilige Seltenerdelemente


(abhängige Variable) mit dem Prädiktor Protonenkonzentration (*) und den beiden
Prädiktoren Protonenkonzentration(**) und zugehörigemTotalgehalt der jeweiligen
Seltenen Erde(**).

Sc Y La Ce Pr Nd Sm Eu Gd Tb Dy Ho Er Tm Yb Lu
korr. R²*100 * nicht signif. 15,8 17,4 22,4 15,4 14,0 15,4 15,7 16,8 17,9 18,4 18,4 18,5 19,3 19,4 19,2
korr. R²*100 ** nicht signif. 40,1 30,5 33,4 25,9 27,1 32,0 31,7 34,3 36,4 36,0 37,8 39,6 40,7 40,4 40,9
Differenz ― 24,3 13,1 11,0 10,5 13,1 16,6 16,0 17,5 18,5 17,6 19,4 21,1 21,4 21,0 21,7

Abb.3 und Tab. 5 zeigen, dass im bereinigten Datensatz deutlich höhere


Bestimmtheitsmaße (einfache lineare Regression zwischen der Protonenkonzentration und
dem mobilen Seltenerdgehalt) erzielt werden. Die höchsten besitzen die schweren Seltenen
26
4. Ergebnisse 27

Erden, was den Trend des gesamten Datensatzes (vgl. Tab. 4) auch im Bereinigten
bestätigt bzw. fortsetzt. Tab. 8 veranschaulicht die Erhöhung des Bestimmtheitsmaßes
durch den Ausschluss der Oberbodenhorizonte aus dem Datensatz.

Der Gehalt an organisch gebundenem Kohlenstoff (Corg) und der Totalgehalt der
Seltenerdmetalle weisen Multikollinearität auf: Verzerrung durch polynominale Variablen;
Die Totalgehalt aller Seltenen Erden und der Corg-Gehalt haben ein Bestimmtheitsmaß von
R²=0,398, was es unmöglich macht, sie in einer multiplen Regression zu bearbeiten. Da der
Gehalt an Corg nur in den Oberböden der Profile gemessen wurde und somit eine sehr
geringe Stichprobenzahl (n=10) aufweist, ist der Totalgehalt der Seltenerdmetalle als
Prädiktor zu bevorzugen.

Der zweite bodenchemische/-physikalische Faktor, der aus der Regression ausgeschlossen


wird, ist der Tongehalt. Die Erklärung der Varianz vom mobilen Seltenen Erden durch den
Tongehalt, ist in keinem der Regressionsmodellen signifikant, weshalb alle Modelle in
denen er als Prädiktor enthalten ist, abzulehnen sind. Der Mangel an Signifikanz, lässt auf
fehlenden Einfluss rückschließen, kann seine Ursachen aber auch in nicht in die Modelle
aufgenommenen Variablen haben. Da keine weiteren Variablen oder Messwerte gegeben
waren, ist der Tongehalt für dieses Experiment auszuschließen.

Tabelle 5: Vergleich der Ergebnisse bei, um den Oberboden, bereinigten Datensätzen, mit
dem gesamten Datensatz. (Vgl. mit Abb.1)
abh. Variable mobile SE mobile LSE mobile SSE
Steigung der 37516 28046 9462 mit Oberboden
Regressionsgerade 46359 34702 11648 ohne Oberboden
korrigiertes R²*100 18,6 18,8 16,7 mit Oberboden
25,6 25,9 22,5 ohne Oberboden

Die Schätzformeln berechnen, für den Ober-, den Unter- und den gesamten Boden, anhand
des pH-Werts (bzw. der Protonenkonzentration) und des jeweiligen Totalgehalts, die
mobilen Fraktionen. Dafür wurde von den gesamten Seltenen Erden, den leichten und den
schweren Seltenen Erden, sowie für jedes einzelne Seltenerdelement eine Schätzformel
erstellt. Nicht signifikant waren die Regressionsmodelle für Scandium und für die

27
4. Ergebnisse 28

Oberböden. Hierfür konnten keine Schätzformeln berechnet werden. Die geringe


Stichprobe der Oberböden und die geringen, in Lösung gegangenen Seltenerdmetallgehalte
(aufgrund unbekannter Variablen), können Gründe für die fehlende Signifikanz der
Modelle sein.

Modelle mit Scandium wiesen keine Signifikanz auf, was bedeuten kann, dass die
Löslichkeit Scandium von den ausgewählten Prädiktoren (Protonenkonzentration und Sc-
Totalgehalt) nicht signifikant beeinflusst wird. Scandium wurde, auf Grund seiner
Zugehörigkeit zu den Seltenen Erden, weiterhin im Datensatz belassen. Seine störende
Wirkung auf das Bestimmtheitsmaß zeigen sich nicht im Vergleich zu den leichten und
schweren Seltenen Erden (siehe Tab. 8). Auffällig wird es bei der Einzelbetrachtung (vgl.
Tab. 4).

In Tab. 6 sind die Schätzformeln für die einzelnen Elemente und in Tab. 7 die zur
Schätzung der mobilen Fraktionen der schweren, leichten und aller Seltenen Erden, zu
finden. Tab. 7 ist untergliedert in Formeln für den gesamten Boden und nur den
Unterboden.

Tab.6: Schätzformeln zur Bestimmung einzelner mobiler Seltenerdelemente, im gesamten


Boden.
SEE a * SEE_total [mg/kg] + b * [c]Protonen [mol/L] + c = SEE_mobil [mg/kg]
Sc ― * ― + ― * ― + ― = ―
Y 0,24223143 * Y_total [mg/kg] + 9065,621823 * [c]Protonen [mol/L] + -2,67311926 = Y_mobil [mg/kg]
La 0,12591413 * La_total [mg/kg] + 11258,87579 * [c]Protonen [mol/L] + -4,1356345 = La_mobil [mg/kg]
Ce 0,07431498 * Ce_total [mg/kg] + 12924,7365 * [c]Protonen [mol/L] + -5,50075113 = Ce_mobil [mg/kg]
Pr 0,08229851 * Pr_total [mg/kg] + 1708,954443 * [c]Protonen [mol/L] + -0,66071911 = Pr_mobil [mg/kg]
Nd 0,09270823 * Nd_total [mg/kg] + 6592,260027 * [c]Protonen [mol/L] + -2,77686696 = Nd_mobil [mg/kg]
Sm 0,10683294 * Sm_total [mg/kg] + 1541,671592 * [c]Protonen [mol/L] + -0,62292817 = Sm_mobil [mg/kg]
Eu 0,10588744 * Eu_total [mg/kg] + 357,3180419 * [c]Protonen [mol/L] + -0,10559571 = Eu_mobil [mg/kg]
Gd 0,14147317 * Gd_total [mg/kg] + 2032,45921 * [c]Protonen [mol/L] + -0,67394425 = Gd_mobil [mg/kg]
Tb 0,14749091 * Tb_total [mg/kg] + 259,277861 * [c]Protonen [mol/L] + -0,08281086 = Tb_mobil [mg/kg]
Dy 0,15435002 * Dy_total [mg/kg] + 1493,951251 * [c]Protonen [mol/L] + -0,41872082 = Dy_mobil [mg/kg]
Ho 0,1683915 * Ho_total [mg/kg] + 276,6000657 * [c]Protonen [mol/L] + -0,07632267 = Ho_mobil [mg/kg]
Er 0,17836435 * Er_total [mg/kg] + 764,7370617 * [c]Protonen [mol/L] + -0,20847551 = Er_mobil [mg/kg]
Tm 0,17078187 * Tm_total [mg/kg] + 100,4874558 * [c]Protonen [mol/L] + -0,02703174 = Tm_mobil [mg/kg]
Yb 0,15246113 * Yb_total [mg/kg] + 586,4079181 * [c]Protonen [mol/L] + -0,15332727 = Yb_mobil [mg/kg]
Lu 0,15382397 * Lu_total [mg/kg] + 83,91880134 * [c]Protonen [mol/L] + -0,02167865 = Lu_mobil [mg/kg]

28
4. Ergebnisse 29

Tab.7: Schätzformeln zur Bestimmung der mobilen Fraktionen leichter Seltener Erden
(LSE), schwerer Seltener Erden (SSE) und aller Seltenen Erden für den gesamten Boden
und die Unterböden.

Gruppe a * SEE_total [mg/kg] + b * [c]Protonen [mol/L] + c = SEE_mobil [mg/kg]


O berboden

SE 0,13459243 * SEE_total [mg/kg] + 62306,3 * SEE_total [mg/kg] + -25,5684153 = SE_mobil [mg/kg]


ohne

LSE 0,09083312 * LSE_total [mg/kg] + 42550,0 * SEE_total [mg/kg] + -13,9943643 = LSE_mobil [mg/kg]
SSE 0,29031968 * SSE_total [mg/kg] + 20154,0 * SEE_total [mg/kg] + -7,07766552 = SSE_mobil [mg/kg]
Bezug auf, um Oberboden bereinigten Datensatz

Gruppe a * SEE_total [mg/kg] + b * [c]Protonen [mol/L] + c = SEE_mobil [mg/kg]


gesam ter

SE 0,12074687 * SEE_total [mg/kg] + 49029,6 * SEE_total [mg/kg] + -21,8653336 = SE_mobil [mg/kg]


Boden

LSE 0,09491160 * LSE_total [mg/kg] + 34436,7 * SEE_total [mg/kg] + -14,4134688 = LSE_mobil [mg/kg]
SSE 0,20713497 * SSE_total [mg/kg] + 14827,4 * SEE_total [mg/kg] + -4,57694095 = SSE_mobil [mg/kg]
Bezug auf kompletten Datensatz

Die Gültigkeit der Formeln ist nicht uneingeschränkt. Die Parameter sind auf den
Wertebereich des verwendeten Datensatzes beschränkt. Beispielsweise ist der maximale
Wert des Seltenerdmetall-Totalgehalts, der in die Formel zur Berechnung des
verlagerbaren Seltenerdmetallgehalts im gesamten Boden eingesetzt werden darf, maximal
290,5 [mg/kg] und minimal 122, 4 [mg/kg]. Des Weiteren lassen sich die ermittelten
Werte der verlagerbaren Fraktionen nur im Untersuchungsgebiet verwenden. Da die
Profile stellvertretend für alle Böden im Taunus ausgewählt wurden, gelten die überall im
Taunus mit Ausnahme von Böden, die stark von den untersuchten abweichen
(beispielsweise Böden mit basaltischem Ausgangsgestein am Hohen Berg NW Usingen).

Das Bestimmtheitsmaß gibt neben dem Maß an Aufklärung durch die Schätzformel auch
an, wie groß der Anteil (x) anderer, nicht im Modell aufgenommener Variablen, an der
Erklärung der tatsächlichen Gehalte ist/sein kann ( x = (1-R²)*100 ). Dadurch stellt R² eine
Maßzahl für die Güte einer Schätzformel dar. Die zu den jeweiligen Schätzformeln
zugehörigen R²-Werte sind Tab. 4 und Tab 5 zu entnehmen.

29
4. Ergebnisse 30

Tabelle 8: Vergleich im Bestimmtheitsmaß zwischen gesamtem Datensatz und (um


Oberboden) bereinigtem Datensatz anhand verschiedener Modelle.
inkl. Oberboden
Abhängige Variable 1.Prädiktor 2.Prädiktor R²*100 korrigiertes R²*100
mobile leichte SE Protonenkonzentration leichte SE Totalgehalt 35,3 31,2
Protonenkonzentration 21,2 18,8
mobile schwere SE Protonenkonzentration schwere SE Totalgehalt 43,1 39,5
Protonenkonzentration 19,3 16,7
mobile SE Protonenkonzentration SE Totalgehalt 38,6 34,4
Protonenkonzentration 21,1 18,6

ohne Oberboden
Abhängige Variable 1.Prädiktor 2.Prädiktor R²*100 korrigiertes R²*100
mobile leichte SE Protonenkonzentration leichte SE Totalgehalt 37 31,2
Protonenkonzentration 29 25,9
mobile schwere SE Protonenkonzentration schwere SE Totalgehalt 50,5 46
Protonenkonzentration 25,7 22,5
mobile SE Protonenkonzentration SE Totalgehalt 40,7 35,3
Protonenkonzentration 28,7 25,6

30
4. Ergebnisse 31

Abb. 3: Streudiagramme mit Regressionsgeraden von mobilen Fraktionen (als abhängige


Variable), und der Protonenkonzentration (als Prädiktor). Modelle mit und ohne Daten für
die Oberbodenhorizonte im Vergleich. (Quelle: Tabelle a/1 und Tabelle a/3)
31
5. Diskussion 32

5. Diskussion

5.1 Güte und Grenzen des Schätzmodells

Wie in Kap. 4 bereits angedeutet, sind die, im Rahmen dieser Arbeit erzielten Ergebnisse,
nur in eingeschränktem Rahmen nutzbar. Die Grenzen eines Regressionsmodels sind
immer durch den Wertebereich der Datensätze beschränkt. Die entwickelten Formeln sind
nur innerhalt dieses Bereichs gültig und können keine gesicherten Aussagen über Böden
treffen, die über sehr viel höhere pH-Werte oder bedeutend höhere Totalgehalte an
Seltenen Erden verfügen. Außerdem ist die Quelle der Daten, in diesem Fall die
Bodenproben des Transsekt Taunus, ebenfalls ein Limit für die Aussagekraft des Modells
(vgl. Kap4). Die Daten sind nur für einen Boden mit ähnlicher Entstehungsgeschichte,
bzw. ähnlichen bodenchemischen, –physikalischen Merkmalen repräsentativ, was auch für
die Schätzformeln gilt.

Die Verwendung einer linearen Regression, statt beispielsweise einer quadratischen kann
auch eine mögliche Fehlerquelle darstellen, da nicht alle Prozesse im Boden linear
ablaufen. Die Adsorption eines Stoffs im Boden steigt nicht linear mit der Konzentration
des Stoffes im Boden an, wie FREUNDLICH (1907) und LANGMUIR (1966) in ihren
Adsorptionsisothermen beweisen.

Neben den statistischen Grenzen, die durch die Datenquellen gegeben sind, ist die
Gewinnung der Daten auch eine mögliche Quelle für eventuelle Verzerrungen des
Schätzmodells: Beispielsweise kann die Gewinnung der verlagerbaren/mobilen Fraktionen
im Boden durch Ammoniumnitrat nicht als absolut angesehen werden. Die in Lösung
befindlichen Gehalte unterliegen einer zeitlichen und räumlichen Variabilität (DIN
19730:1997-06) und so kann es zu Messergebnissen kommen, die von den tatsächlichen
Gehalten abweichen. Beispielsweise kann es in einem Pseudogley zu verschiedenen
Jahreszeiten auch zu unterschiedlichen Ergebnissen kommen, da die Löslichkeit in einem
durchnässten, reduzierenden Bodenmilieu eine andere sein kann, als es bei
ausgetrocknetem der Fall ist. Der pH-Wert von Böden unterliegt auch jährlichen
Schwankungen (EVERS, 1983) und Änderungen. Da im Taunus, für den die Schätzformel
Gültigkeit besitzen soll, solche Gebiete typisch sind (vgl. Kap 2.4), müsste die Gültigkeit
32
5. Diskussion 33

der Formel auch zeitlich eingegrenzt werden, oder die Messwerte über einen größeren
Zeitraum verteilt gewonnen werden, um ein ganzjähriges Abbild des Bodens zu erhalten.
So könnte man die Jahreszeitliche Schwankung, der in Lösung befindlichen Seltenen
Erden besser schätzen. Bereits schon in Kapitel 3.1.4 wurde beschrieben, dass es sich bei
den hier benutzten, im Königswasseraufschluss gewonnenen, Totalgehalten lediglich um
Pseudototalgehalte handelt (in etwa 90% des tatsächlichen Totalgehalts), was die
Schätzformel auch verfälscht, bzw. eine weitere Bedingung für die Anwendung der
Schätzformel schafft. Die Beschaffung der Messdaten, welche man anschließend in eine
solche Formel einsetzt, muss der gleichen entsprechen, die der Formelberechnung
zugrunde liegt.

Bei der Verwendung der Schätzformeln, ist das Bestimmtheitsmaß auch auschlaggebender
Faktor für die Qualität der geschätzten mobilen Gehalte. Im besten Fall (SSE-
Schätzformel, unter Ausschluss der Oberböden) konnte 46% eines gemessenen mobilen
SSE-Gehalts (bzw. dessen Varianz) durch den pH-Wert (bzw. durch die
Protonenkonzentration) und den SSE-Vorrat im Boden erklärt werden. Der Einfluss
anderer bodenchemischer-physikalischer Faktoren an der Erklärung eines gemessenen
Wertes (bzw. seiner Varianz), beträgt also noch 54%. Mit anderen Worten, wird der mittels
der entwickelten Formel geschätzte Wert im Mittel um 54% höher oder niedriger sein.

Die geringe Größe der Stichprobe (n=34 bzw. n=25) kann verzerrend wirken, aber da alle
Modelle die zu Ergebnissen geführt haben signifikant waren, stellt sie, vom statistischen
Standpunkt aus gesehen, keine Beeinträchtigung für die Güte der Schätzformeln dar.

5.2 Ausgeschlossene Variablen und Daten

Der Ausschluss der Variablen Tongehalt, organisch gebundener Kohlenstoffgehalt; die


Bereinigung der Daten um die Oberbodenhorizonte und der Verzicht auf eine separate
Betrachtung des Oberbodens erfolgte aus unterschiedlichen Gründen, wie bereits in
Kapitel 4 skizziert wurde. Hier sollen im Einzelnen die Hintergründe näher erläutert
werden:
33
5. Diskussion 34

Der Ton- und der Corg-Gehalt wurde als mögliche Variable zur Berechnung einer
Schätzformel herangezogen, weil Tonminerale und Huminstoffe zu den wichtigsten
Kationenaustauschern im Boden zählen (BLUME, 1990). Ihr Gehalt, die Höhe ihrer Ladung
und die Größe ihrer zugänglichen Oberfläche sind auch von Bedeutung. Nach BECKWITH
und BUTLER (1993) sind 95% der Seltenen Erden an Tonmineralen sorbiert. Außerdem
sind Metalloxide wie Mangan (Mn) und Eisen (Fe) wichtige Austauscher im Boden. Bei
Huminstoffen, bzw. organischen Austauschern, bestimmen die funktionellen Gruppen
(meist Carboxylgruppen oder phenolische Hydroxylgruppen) die Fähigkeiten als
Adsorbent (BLUME, 1990). Des Weiteren spielt der pH-Wert für die Sorption von Kationen
eine wichtige Rolle (ALLOWAY, 1995). Trotz der Erkenntnisse, die in anderen Arbeiten
gewonnen wurden, ist der Tongehalt nicht signifikant gewesen und es konnte keine
Aussage über eine Korrelation zwischen ihm, und dem mobilen Gehalt eines
Seltenerdmetalls gemacht werden. Eine Möglichkeit dafür könnte sein, dass kein
Zusammenhang zwischen dem Tongehalt und dem gelösten Seltenerdelementanteil
besteht, oder aber, dass andere Faktoren nicht berücksichtigt wurden, welche eine
entscheidende Rolle spielen. Lösungsbestimmende Faktoren sind laut der DIN 19730
(1997-06) neben dem pH-Wert auch der Gehalt an Komplexbildnern, die
Ionenkonzentration (beispielsweise um Austauscher konkurrierender Kationen) und das
Redoxpotential der Bodenlösung. HERMS und BRÜMMER (1984) sehen in einer Erhöhung
der Salzkonzentration und durch organische, lösliche Komplexbildner ebenfalls eine
Erhöhung der Schwermetalllöslichkeit gegeben. Ein Absinken des Redoxpotentials ist auch
mit erhöhter Löslichkeit verbunden (BLUME, 1990). Einer dieser Faktoren hätte vielleicht
dazu beitragen können die fehlende Signifikanz zwischen dem Tongehalt und der mobilen
Fraktion der Seltenen Erden aufzuklären. Der Tongehalt stellt zwar einen der größten
Austauscher dar, an dem Seltene Erden adsorbieren können (ZHU, 1993), aber die Anzahl
der Bindungsstellen ist möglicherweise nur dann ein Faktor für die Desorption von
Seltenerdmetallen, wenn sie gering ist, oder die Konkurrenz um sie groß.

Der Corg-Gehalt hat in Regressionsmodellen, trotz sehr geringer Stichprobengröße, gute


Ergebnisse erzielt, ist aber, wie in Kapitel 4 beschrieben, zu Gunsten des Bodenvorrats
Seltenerdmetalle aus der Regression gefallen. Seine Multikollinearität bzw.
Polynominalität disqualifiziert ihn als unabhängige Variable. Auch übliche Methoden in
der Statistik, nämlich das Zusammenfassen polynominaler Variablen, ist hier nicht

34
5. Diskussion 35

möglich, da eine sinnvolle Verschmelzung von Corg und dem Totalgehalt einer Seltenen
Erde unlogisch ist. Trotzdem lassen die hohen Gehalte an organischem Kohlenstoff in den
Oberböden und die gleichzeitig sehr geringe Löslichkeit der Seltenen Erden in Selbigem
die Vermutung zu, dass ein positiver Zusammenhang zwischen Corg-Gehalt und der
Adsorbtion von Seltenerdmetallen besteht.

Die Oberbodendaten wurden auf Grund von statistischen Notwendigkeiten ausgeschlossen


(siehe Kap. 4). Die Einbeziehung in die Berechnung, bzw. einzelne Berechnungen für den
Oberboden, brachten keine signifikanten Ergebnisse hervor, die weiterführend zu einer
Schätzformel genutzt werden konnten. Die nicht fehlende Signifikanz brachte in diesem
Fall keinen Zugewinn an Erkenntnis.

Die fehlende Signifikanz bei der Untersuchung der Scandium-Löslichkeit hingegen zeigte
auf, dass es als einziges Seltenerdmetall nicht von den Prädiktoren (Protonenkonzentration
und jeweiliger Seltenerdmetall(SEMe)-Totalgehalt) beeinflusst wurde. Scandium zeigt hier
seine, von den übrigen Seltenen Erden abweichenden, chemischen Eigenschaften. Möglich
ist ein, von den übrigen Elementen abweichender Zusammenhang zwischen Scandium und
den Prädiktoren sein, wie eine stärker quadratischer Zusammenhang, der bei den restlichen
Lanthanoiden erst in anderen pH-Wertebereichen auffällig ist, nicht jedoch in der hier
durchgeführten Regression (vgl. Abb. 4). Hier wäre wären Daten aus saureren Böden für
eine Klärung hilfreich.

35
5. Diskussion 36

Abb. 4 : Streudiagramm, mobile Scandiumgehalte in Abhängigkeit von der


Protonenkonzentration.

36
6. Schlussfolgerung 37

6. Schlussfolgerung

Bei der Untersuchung des Einflusses der bodenphysikalisch-chemischen Faktoren


Tongehalt, PH-Wert, Corg-Gehalt und SE-Totalgehalt auf die verlagerbaren Fraktion an
Seltenen Erden im Boden, konnten letztlich nur zwei dieser Faktoren in die endgültige
Berechnung mit einfließen. Die Schätzformeln erreichen ein verhältnismäßig hohes
Bestimmtheitsmaß (vgl. Tab.8 und Tab. 4, Kap. 4) dafür, dass mit nur zwei unabhängigen
Variablen ein sehr komplexes System von, in der Regel nicht linearen
Gleichgewichtsreaktionen, die den Austausch von metallischen Kationen regeln,
beschrieben wird. Die in Kapitel 5.2 bereits aufgezählten weiteren Einflussfaktoren auf die
Löslichkeit von Stoffen in der Bodenlösung, stellen mögliche Variablen dar, die zur
Aufklärung des restlichen Einflusses (Residuen) auf die Seltenerdmetalllöslichkeit
beitragen könnten.

Problematisch ist die hohe Heterogenität von Böden. Ebenso heterogen dürften die
Ergebnisse sein, die ähnliche Untersuchungen zur qualitativen Bewertung von
Einflussvariablen auf Seltenerdlöslichkeit liefern. In einem grundwasserbeeinflussten Gley
ist beispielsweise das Redoxpotential ein gewichtiger Faktor für die Bodenreaktion. Unter
trockenen salinen Bedingungen ist die Konkurrenz um die Austauscher, durch die hohe
Ionenkonzentration der Bodenlösung (und deren Zusammensetzung) sicherlich
ausschlaggebend (BLUME, 1990). Im Vergleich kann ein Boden gegenüber einem anderen
höhere Änderungen im Bestimmtheitsmaß erzielen, bzw. höhere Korrelations-
koeffizienten bei der Berechnung des Einflusses. Extreme Böden benötigen demnach
eigene Schätzformeln; auf Grund der verwendeten, linearen statistischen Methoden im
Zusammenhang mit den komplexen, meist nicht linearen Austauschreaktionen zwischen
Bodenmatrix und –lösung.

Grundsätzlich kann gesagt werden, dass das Verhalten von Seltenerdmetallen in Böden
sehr kompliziert ist und bei der Berechnung von Schätzformeln größere Stichprobenzahlen
und mehr Variablen nötig sind, um ein, für eine gute Vorhersage, ausreichendes
Bestimmtheitsmaß zu erlangen. Außerdem ist das lineare Regressionsmodell für eine
klärende Formel ungeeignet, da sie einen nichtlinearen Vorgang nur partiell beschreiben
kann, aber nicht ganzheitlich, wie Abbildung 5 verdeutlichen soll.
37
6. Schlussfolgerung 38

Abb.5: Hypotetischer Verlauf einer Löslichkeitsbeziehung eines Seltenerdmetalls in


Abhängigkeit von der Protonenkonzentration geschätzt von zwei verschiedenen linearen
Regressionen: Regression 1 (grün) bezieht sich auf die Daten eines saureren Bodens, als
Regression 2 (rot).

Durch die Grenzen, die einer Schätzformel durch den Wertebereich des Datensatzes, auf
dem sie entstanden ist, gesetzt sind, wird auch der Bereich in dem sie ihre Gültigkeit hat,
abgesteckt. Eine Formel für die ganze Erde würde aber keine hohe Genauigkeit in ihrer
Vorhersage haben (hinsichtlich des Bestimmtheitsmaßes und der Signifikanz), darum muss
eine sinnvolle Größe für eine Einheit gefunden werden, in dessen Rahmen eine Formel
berechnet wird und gültig ist. Eine Möglichkeit, die die Heterogenität ausschließen könnte,
ist die Schätzformeln auf einen spezifischen Bodentyp anzupassen. Ob ein solcher Ansatz
möglich ist, für alle Braunerden die gleiche Schätzformel anzuwenden muss noch
bewiesen werden.

38
6. Schlussfolgerung 39

Mit Hilfe erweiterter, präziserer Schätzmodelle könnte der mobile Anteil Seltener Erden in
Böden besser für ganze Regionen interpoliert werden und aufwendige Extraktions- und
Analyseverfahren ersetzen.

39
7. Zusammenfassung 40

7. Zusammenfassung

In der vorliegenden Arbeit wurden die mobilen Anteile Seltener Erden im Transsekt
Taunus unmittelbar südlich von Langenhain Ziegenberg bestimmt und ihre Abhängigkeit
von chemischen und physikalischen Bodenfaktoren untersucht. Hierzu wurde der Einfluss
des Tongehalts, organischen Kohlenstoffs, des gesamten Bodenvorrats und des pH-Wertes
auf die verlagerbare Seltenerdmetallfraktion ermittelt. Sofern ein statistischer
Zusammenhang besteht, soll dieser dazu verwendet werden eine Schätzformel zu erstellen,
anhand derer sich die Fraktion der in der Bodenlösung befindlichen Seltenen Erden
berechnen lässt.

Dazu wurden die Bodenhorizonte der 9 Leitprofile im Transsekt beprobt und deren
Bodenkenngrößen aufgenommen. Im Anschluss wurden die Zusammenhänge statistisch
analysiert und eine Auswahl der Einflussvariablen getroffen. Des Weiteren wurde der
Einfluss der Bodenfaktoren auf die 16 Seltenerdmetalle im Einzelnen, auf die Summe aller
Seltenen Erden und auf die Gruppen leichten und schweren Seltenen Erden untersucht und
jeweils eine Schätzformel formuliert. Dieses geschah für den gesamten Boden und
gesondert nur für die Unterböden.

Bei allen Berechnungen erwies sich der Tongehalt als nicht signifikant und wurde als
Einflussfaktor ausgeschlossen. Auf Grund von Multikollinearität und einer sehr geringen
Stichprobenzahl (n = 10), wurde der organische Kohlenstoff ebenfalls nicht in die
Berechnung der Schätzformel mit einbezogen.

Mit Hilfe des pH-Werts (in den Berechnungen und Formeln als Protonenkonzentration
vertreten) und des (Pseudo-) Totalgehalts, als unabhängige Variable (Prädiktoren), wurden
die endgültigen Schätzformeln berechnet. Hierbei konnte kein Zusammenhang zwischen
Scandium und den Bodenfaktoren ermittelt werden. Bei der Analyse der einzelnen
Seltenerdelemente ergab sich für zunehmende Ordnungszahl ein steigender Einfluss der
beiden ausgewählten Prädiktoren. Für die übrigen Modelle konnten Schätzformeln erstellt
werden, welche allerdings starken Einschränkungen unterliegen, bezüglich der
Datengewinnung und dem für sie bestimmten Anwendungsbereich.

40
8. Literaturverzeichnis 41

8. Literaturverzeichnis

ALLOWAY, B. (1995)
Heavy Metals in Soils, 2. Edition,
Blackie Academic & Professional (Hrsg.), London.

BECKWITH, R. und BUTLER, J. (1993)


Aspects of the chemistry of soil organic matter. In Soils, an Australian Viewpoint; Division
of Soils, Australian Commonwealth Scientific and Research Organization (Hrsg.),
Canberra

BLUME, H.-P. (1990)


Handbuch des Bodenschutzes, 1. Auflage, Ecomed Verlagsgesellschaft, Landsberg.

BLUME R. (2001)
Das Vorkommen der Lanthanoide.
http://www.chemieunterricht.de/dc2/lanthan/vorkomm.htm

BODENKARTE VON HESSEN (2002)


Bodenkarte von Hessen 1:50 000, L 5716 Bad Homburg v.d.H., Hessisches Landesamt für
Umwelt und Geologie (Hrsg.), Wiesbaden

BODENKUNDLICHE KARTIERANLEITUNG (2005)


SPONAGEL, GROTTENHALER, HARTMANN, HARTWICH, JANETZKO, JOISTEN, KÜHN, SABEN&
TRAIDL, Bodenkundliche Kartieranleitung, 5. Verbesserte Auflage, Bundesanstalt für
Geowissenschaften und Rohstoffe (Hrsg.), Hannover.

CHUA H. (1998)
Bio-accumulation of environmental residues of rare earth elements in aquatic flora
Pedosphere, 16, 82 bis 90

41
8. Literaturverzeichnis 42

COTTON F.A. und WILKINSON, G. (1966)


Advanced inorganic chemistry,
Interscience Publishers, Wiley & Sons (Hrsg.), Weinheim

EVERS F.H. (1983)


Orientierende Untersuchungen langfristiger Bodenreaktionsänderungen in
südwestdeutschen Düngungsversuchsflächen, Forst und Holzwirt, 38, 317 bis 320.

FOX C.L. et al. (1977)


(MONAFO W.W., AYVAZIAN V.H., SKINNER A.M., MODAK S., STANFORD J., CONDICT C.)
Topical chemotherapy for burns using cerium salts and silver sulfadiazine.
Surg. Gynecol. Obstet. 144: 668 – 672.

FREUNDLICH H. (1907)
Über die Adsorption in Lösungen,
Zeitschrift für physikalische Chemie., 57, 385 bis 470.

GARNER J.P. und HEPPELL P.S.J. (2005)


The use of Flammacerium in British Burn Units, Burns 31, 379 bis 382.

G.D. NRW (2009)


Geologischer Dienst Nordrheinwestfahlen, Basismodul des Informationssystems
Bodenkarte 1 : 50 000/Bodenauswertung, Ministeriums für Wirtschaft, Mittelstand und
Energie NRW (Hrsg.),
Verfügbar unter URL: http://www.gd.nrw.de

GSCHNEIDNER, K.A. (1978)


Handbook on the Physics and chemistry of rare earths
Eyring L.R., Gschneidner K.A. (Hrsg.), Amsterdam.

42
8. Literaturverzeichnis 43

GUO B. S (1998)
GUO B. S., Zhu W. M., Xiong P. K., Ji Y. J., Liu Z., and Wu Z. M..
Rare Earths in Agriculture.
Agricultural Scientific Technological Press, Beijing, 23 – 208.

HANZELY, L. und HARMET, K. H.. (1982)


Effect of lanthanum on cell wall elongation in Avena coleoptile segments: physiological
and ultrastructural studies, Zeitschrift für Pflanzenphysiologie, 107, 223 bis 230.

HEDRICK (2004)
Rare Earths, Yttrium. U.S.Geological Survey, Mineral Commodity Summaries,
2, 132–133, 188–189.

HERMS und BRÜMMER, (1984)


Einflussgrößen der Schwermetalllöslichkeit und –bindung in Böden.
Zeitschrift für Pflanzenernährung Bodenkunde, Weinheim, Volumen 147.

HLUG (2009)
Umweltatlas Hessen. Übersichtskarten zur Umweltsituation in Hessen.Hessisches
Ministerium für Umwelt und Geologie (Hrsg.).
Verfügbar unter URL: http://atlas.umwelt.hessen.de/atlas/ (Stand: 3.2.2009).

HORROCKS, W. und SUDNICK, D.R. (1979)


Lanthanide ion probes of structure in biology. Laser-induced luminescence decay constants
provide direct measure of the number of metal-coordinated water molecules,
Journal of the American Chemical Society, 101, 334 bis 340.

LANGMUIR, I. (1966)
"Surface Chemistry", Nobel Lecture, December 14, 1932, In: Nobel Lectures, Chemistry
1922-1941, Elsevier Publishing Company, Amsterdam,

43
8. Literaturverzeichnis 44

MEYNEN, E. (1962)
MEYNEN E., SCHMITHÜSEN J., GELLERT J., NEEF E., MÜLLER-MINY H. und SCHULTZE
H.J., 1953-1962, Handbuch der naturräumlichen Gliederung Deutschlands, Bundesanstalt
f. Landeskunde u. Raumforschung, Bad Godesberg

MICHELS (1977)
Erläuterung zur Geologischen Karte von Hessen 1:25 000 Blatt Nr. 5617 Usingen. 2.
ergänzte Auflage, Hessisches Landesamt für Bodenforschung. Wiesbaden

MONAFO L. (1983)
The use of topical cerium nitrate-silver sulfadiazine in major burn injuries.
Panminerva Med. 25, 151 bis 156.

REDDY N. (2001)
REDDY N., MAHESWARAN J., MEEHAN B., and PEVERILL K..
The Application of Rare Earth Elements in Enhancement of Crop Production in Australia,
Yu Z. S., Yan C. H., Xu G. Y., Niu J. K., Chen Z. H., (Hrsg.)
Proceedings of the 4th International Conference on Rare Earth Development and
Application, (2001), Beijing

RAMBECK W.A. und WEHR U. (2005)


Rare earth elements as alternative growth promoters in pig production,
Institut für Physiologie, Physiologische Chemie und Tierernährung,
Ludwig-Maximilians-Universität (Hrsg.), München.

SCHLICHTING E. (1995)
SCHLICHTING E, BLUME H-P, STAHR
Bodenkundliches Praktikum. Blackwell Wissenschafts-Verlag, Berlin/Wien.

SHAROUBEEM, H. H. und MILAD, N. E. (1968).


Wirkung Seltener Erden aus Monazit auf die Wuchsfreudigkeit und chemische
Zusammensetzung von Phaseolus vulgaris.,
Chemisches Zentralblatt, 11, 97 und 101
44
8. Literaturverzeichnis 45

SÜSS A. (2004)
Seltene Erden mit beachtlicher Wirkung.
Bayerisches Landwirtschaftliches Wochenblatt,194, 2004.

THEWS, J.-D. (1996)


Erläuterungen zur Geologischen Übersichtskarte von Hessen 1:300.000, Geol.
Abhandlungen Hessen Bd. 96, Hess. Landesamt für Bodenforschung, Wiesbaden.

VAN STEVENINCK et al. (1990)


VAN STEVENINCK, R. F.M., VAN STEVENINCK, M. E., D. CHESCOE.
Intracellular binding of lanthanum in root tips of barley (Hordeum vulgare).
Protoplasma, 157, 98 und 108)

WALTER, R. et al. (1992)


Geologie von Mitteleuropa. 5. Auflage, Schweizerbarth’sche Verlagsbuchhandlung,
Stuttgart

WYTTENBACH, A. (1998)
WYTTENBACH, A., FURRER, V., SCHLEPPI P. TOBLER. L.
Rare earth elements in soil and in soil-grown plants.
Plant and Soil, 194, 267 bis 273.

ZHU, J.G. et al. (1993)


ZHU, J.G., XING, G.X., YAMASAKI, S., and TSUMURA, A.
Adsorption and desorption of exogenous rare earth elements in soils: I. Rate of forms of
rare earth elements sorbed.
Pedosphere, 3 (4), 299 bis 308.

45
9. Anhang 46

9. Anhang

Es folgen in Eigen- und Vorarbeit ermittelte Daten. Im Anschluss an die, in Tabellenform


dargestellten, gewonnen Daten, sind die Ergebnisse der einzelnen Regressionsmodelle
angefügt.

Tabelle a/1: Seltenerdelementgehalte aus der


Natriumnitratextraktion
Sc Y La Ce Pr Nd Sm Eu Gd Tb Dy Ho Er Tm Yb Lu
NH4NO3 [mg/kg] [mg/kg] [mg/kg] [mg/kg] [mg/kg] [mg/kg] [mg/kg] [mg/kg] [mg/kg] [mg/kg] [mg/kg] [mg/kg] [mg/kg] [mg/kg] [mg/kg] [mg/kg]
1 Ah 0,004 0,013 0,024 0,020 0,002 0,010 0,002 0,001 0,003 0,000 0,002 0,000 0,001 0,000 0,001 0,000
1M 0,008 2,779 4,782 6,462 0,722 2,769 0,492 0,111 0,556 0,071 0,390 0,076 0,216 0,029 0,165 0,024
1 M (Go) 0,005 4,618 7,447 8,053 1,157 4,397 0,818 0,183 0,930 0,123 0,685 0,132 0,374 0,049 0,287 0,041
1 Gor 0,006 0,069 0,253 0,073 0,021 0,073 0,011 0,003 0,013 0,001 0,006 0,001 0,003 0,000 0,002 0,000
1 Gr 0,004 0,010 0,033 0,009 0,003 0,009 0,002 0,001 0,002 0,000 0,001 < BG 0,001 < BG 0,000 < BG
2 rAp 0,003 0,044 0,109 0,075 0,011 0,039 0,006 0,002 0,007 0,001 0,004 0,001 0,002 0,000 0,002 0,000
2 Sw 0,005 1,066 3,052 1,923 0,337 1,264 0,180 0,038 0,209 0,022 0,107 0,021 0,056 0,007 0,034 0,005
2 II Swd 0,008 2,960 4,002 3,355 0,729 3,264 0,657 0,149 0,741 0,079 0,379 0,071 0,186 0,022 0,114 0,017
2 III Swd-C 0,006 0,909 0,737 0,515 0,096 0,462 0,102 0,027 0,149 0,016 0,084 0,018 0,047 0,005 0,027 0,004
3 Ah-Go 0,005 0,032 0,070 0,072 0,007 0,026 0,005 0,003 0,007 0,001 0,003 0,001 0,001 0,000 0,001 0,000
3 Gr 0,007 0,073 0,203 0,174 0,019 0,069 0,013 0,005 0,017 0,002 0,007 0,001 0,003 0,000 0,002 0,000
3 Gor 0,006 0,035 0,127 0,061 0,011 0,039 0,007 0,003 0,008 0,001 0,003 0,001 0,001 < BG 0,001 0,000
4 Ah 0,005 0,014 0,030 0,046 0,003 0,012 0,003 0,001 0,003 0,000 0,003 0,001 0,001 < BG 0,001 0,000
4 Bv 0,012 0,112 0,247 0,633 0,025 0,092 0,019 0,005 0,026 0,003 0,019 0,003 0,010 0,001 0,008 0,001
4 II Cv 0,004 0,795 2,789 2,687 0,236 0,752 0,133 0,032 0,179 0,022 0,123 0,023 0,061 0,008 0,040 0,005
4 III Cv 0,003 0,999 1,494 1,495 0,214 0,814 0,195 0,047 0,248 0,032 0,174 0,032 0,086 0,011 0,061 0,009
5 Ah 0,004 0,009 0,027 0,044 0,003 0,009 0,002 0,002 0,002 0,000 0,002 0,000 0,001 < BG 0,001 < BG
5 (Al)-Bv 0,010 0,189 0,633 1,189 0,062 0,204 0,035 0,009 0,045 0,005 0,029 0,005 0,015 0,002 0,010 0,001
5 Btv 0,007 3,907 8,870 9,054 1,234 4,057 0,750 0,174 0,866 0,109 0,612 0,120 0,332 0,045 0,263 0,038
5 II Cv 0,008 4,416 5,272 5,822 0,897 3,623 0,867 0,209 1,100 0,133 0,737 0,135 0,375 0,049 0,278 0,042
6 Ah 0,004 0,024 0,072 0,125 0,007 0,025 0,005 0,003 0,006 0,001 0,004 0,001 0,002 0,000 0,002 0,000
6 Bv-Sw 0,013 1,216 3,216 4,168 0,375 1,295 0,214 0,050 0,266 0,032 0,190 0,035 0,099 0,013 0,074 0,010
6 II Cv 0,005 3,987 4,309 4,533 0,802 3,343 0,853 0,206 1,088 0,133 0,726 0,128 0,362 0,047 0,272 0,041
7 Ah 0,007 0,048 0,072 0,112 0,010 0,042 0,010 0,004 0,012 0,002 0,009 0,002 0,005 0,001 0,004 0,001
7 Bv-Sw 0,015 0,654 1,213 1,885 0,158 0,613 0,119 0,027 0,142 0,017 0,101 0,019 0,053 0,007 0,042 0,006
7 II Sd-Sw 0,008 3,833 6,136 6,211 1,008 3,980 0,773 0,174 0,888 0,106 0,627 0,116 0,325 0,043 0,243 0,036
7 III Sd-C 0,007 3,553 2,933 3,889 0,659 3,022 0,769 0,184 0,932 0,114 0,642 0,110 0,309 0,039 0,217 0,032
8 Ah 0,003 0,012 0,033 0,014 0,003 0,010 0,002 0,002 0,002 0,000 0,001 0,000 0,001 < BG 0,000 < BG
8 Go 0,003 0,010 0,039 0,007 0,003 0,010 0,002 0,002 0,002 0,000 0,001 < BG 0,000 < BG 0,000 < BG
8 Gr 0,004 0,014 0,059 0,010 0,004 0,016 0,002 0,002 0,003 0,000 0,001 0,000 0,001 < BG 0,000 < BG
9 rAp 0,007 0,190 0,485 0,531 0,047 0,167 0,027 0,007 0,034 0,004 0,025 0,004 0,012 0,001 0,007 0,001
9 Bv 0,006 0,008 0,025 0,015 0,002 0,007 0,002 0,004 0,002 0,000 0,001 < BG 0,001 < BG 0,000 < BG
9 Sw 0,007 0,005 0,013 0,010 0,001 0,004 0,001 0,004 0,001 0,000 0,001 < BG 0,000 < BG 0,000 < BG
9 Sd-C 0,006 0,031 0,023 0,024 0,003 0,018 0,004 0,004 0,007 0,001 0,003 0,001 0,002 < BG 0,001 0,000

46
9. Anhang 47

Tabelle a/2: Seltenerdelementgehalte aus dem Königswasseraufschluss


Sc Y La Ce Pr Nd Sm Eu Gd Tb Dy Ho Er Tm Yb Lu
KöWa [mg/kg] [mg/kg] [mg/kg] [mg/kg] [mg/kg] [mg/kg] [mg/kg] [mg/kg] [mg/kg] [mg/kg] [mg/kg] [mg/kg] [mg/kg] [mg/kg] [mg/kg] [mg/kg]
1 Ah 3,669 7,119 31,31 69,19 7,258 26,72 4,648 0,698 3,761 0,420 1,954 0,303 0,701 0,090 0,567 0,074
1M 4,889 10,65 36,87 82,30 8,705 32,19 5,768 0,937 4,859 0,559 2,666 0,426 1,080 0,147 0,933 0,132
1 M (Go) 5,346 12,24 39,05 85,51 8,925 32,74 6,005 0,997 5,203 0,606 2,987 0,486 1,257 0,165 1,084 0,151
1 Gor 5,137 12,42 40,76 86,91 9,174 34,61 6,162 1,008 5,294 0,611 2,899 0,490 1,221 0,164 1,073 0,154
1 Gr 4,560 12,17 41,73 88,72 9,556 34,22 6,141 0,976 5,239 0,605 2,910 0,479 1,238 0,162 1,074 0,146
2 rAp 3,660 11,56 43,65 90,13 10,05 36,63 6,561 1,085 5,446 0,603 2,808 0,454 1,136 0,151 0,908 0,126
2 Sw 5,973 11,43 44,78 92,75 10,26 38,54 7,104 1,195 5,822 0,636 2,973 0,472 1,178 0,159 0,990 0,137
2 II Swd 5,355 14,13 55,44 109,4 13,21 49,68 9,132 1,681 7,495 0,814 3,656 0,577 1,431 0,189 1,161 0,164
2 III Swd-C 4,794 18,84 57,83 112,8 13,89 51,89 9,828 1,959 8,330 0,977 4,642 0,765 1,970 0,254 1,559 0,222
3 Ah-Go 6,321 15,76 31,96 67,69 7,636 29,71 6,213 1,281 5,691 0,697 3,627 0,629 1,665 0,222 1,402 0,206
3 Gr 8,426 16,89 34,71 74,63 8,291 30,68 6,524 1,352 6,076 0,751 3,888 0,676 1,837 0,244 1,618 0,233
3 Gor 6,048 14,04 38,27 80,86 9,136 33,48 6,598 1,209 5,802 0,692 3,420 0,577 1,474 0,199 1,283 0,183
4 Ah 2,933 5,056 23,53 57,79 6,889 26,16 4,838 0,805 3,401 0,341 1,501 0,223 0,591 0,074 0,480 0,068
4 Bv 3,911 6,361 27,86 70,95 8,146 30,70 5,725 0,953 4,072 0,411 1,900 0,280 0,731 0,096 0,612 0,086
4 II Cv 4,237 8,990 38,85 83,87 9,633 34,99 6,219 1,099 4,309 0,512 2,227 0,375 0,997 0,132 0,826 0,117
4 III Cv 4,172 8,467 43,23 91,29 10,41 38,49 6,764 1,246 5,176 0,563 2,311 0,361 0,915 0,125 0,747 0,114
5 Ah 2,998 5,005 24,18 57,56 6,099 22,45 3,863 0,597 2,636 0,289 1,230 0,199 0,481 0,062 0,368 0,047
5 (Al)-Bv 4,016 6,619 30,08 73,16 7,376 26,91 4,731 0,729 3,292 0,380 1,629 0,266 0,651 0,087 0,541 0,071
5 Btv 5,364 12,95 41,90 90,88 9,344 33,44 6,100 1,072 4,806 0,573 2,835 0,487 1,323 0,184 1,151 0,157
5 II Cv 5,729 15,30 37,40 81,63 9,535 36,40 7,057 1,311 5,707 0,687 3,318 0,573 1,558 0,213 1,342 0,196
6 Ah 3,111 5,077 23,53 55,66 5,439 20,29 3,516 0,533 2,476 0,278 1,253 0,202 0,489 0,065 0,392 0,053
6 Bv-Sw 4,462 7,466 30,53 68,90 6,860 24,93 4,536 0,748 3,292 0,372 1,711 0,296 0,751 0,102 0,653 0,090
6 II Cv 5,509 11,12 31,06 61,34 7,349 27,53 5,509 1,055 4,373 0,502 2,344 0,433 1,196 0,165 0,980 0,158
7 Ah 2,547 6,527 28,33 63,95 6,895 25,61 4,245 0,654 3,246 0,379 1,566 0,266 0,667 0,087 0,493 0,069
7 Bv-Sw 4,087 9,500 34,36 80,38 8,330 30,98 5,684 0,898 4,130 0,489 2,321 0,388 0,998 0,139 0,817 0,113
7 II Sd-Sw 5,424 12,78 37,28 83,65 8,982 33,39 6,304 1,087 4,901 0,595 2,851 0,494 1,358 0,180 1,132 0,164
7 III Sd-C 5,655 15,23 39,25 88,10 10,88 40,91 8,095 1,518 6,087 0,742 3,595 0,625 1,598 0,224 1,405 0,194
8 Ah 4,015 12,26 38,14 79,47 9,009 33,13 6,144 1,107 5,205 0,609 2,934 0,493 1,304 0,169 1,069 0,151
8 Go 4,418 12,65 38,96 81,44 9,314 33,66 6,351 1,145 5,438 0,630 3,111 0,512 1,325 0,180 1,104 0,161
8 Gr 4,400 12,17 39,94 83,88 9,432 34,46 6,403 1,127 5,506 0,628 3,051 0,504 1,314 0,171 1,102 0,156
9 rAp 3,986 11,26 34,30 75,67 8,514 31,62 5,998 1,044 4,422 0,528 2,557 0,442 1,122 0,159 1,005 0,135
9 Bv 4,978 11,45 37,80 83,44 8,896 32,78 6,255 1,064 4,451 0,540 2,662 0,462 1,193 0,165 1,042 0,149
9 Sw 5,847 13,89 38,95 81,67 9,173 33,81 6,489 1,163 4,994 0,623 3,076 0,540 1,380 0,197 1,291 0,182
9 Sd-C 5,513 17,24 29,23 73,66 9,440 37,71 8,319 1,620 6,646 0,778 4,079 0,706 1,853 0,260 1,590 0,220

47
9. Anhang 48

Tabelle a/3: Protonenkonzentration in mol/l und cmol/l und pH-Wert.


Protonenkonzentration Protonenkonzentration pH-Wert
[ mol/l ] [ cmol/l ]
1 1 Ah 0,0003890 0,03890 3,41
2 1M 0,0002089 0,02089 3,68
3 1 M (Go) 0,0001585 0,01585 3,80
4 1 Gor 0,0000037 0,00037 5,43
5 1 Gr 0,0000010 0,00010 6,00
6 2 rAp 0,0000263 0,00263 4,58
7 2 Sw 0,0000224 0,00224 4,65
8 2 II Swd 0,0000457 0,00457 4,34
9 2 III Swd-C 0,0000148 0,00148 4,83
10 3 Ah-Go 0,0000091 0,00091 5,04
11 3 Gr 0,0000026 0,00026 5,59
12 3 Gor 0,0000020 0,00020 5,69
16 4 Ah 0,0001318 0,01318 3,88
17 4 Bv 0,0001862 0,01862 3,73
18 4 II Cv 0,0002754 0,02754 3,56
19 4 III Cv 0,0002754 0,02754 3,56
20 5 Ah 0,0000661 0,00661 4,18
21 5 (Al)-Bv 0,0001660 0,01660 3,78
22 5 Btv 0,0001995 0,01995 3,70
23 5 II Cv 0,0002455 0,02455 3,61
24 6 Ah 0,0000955 0,00955 4,02
25 6 Bv-Sw 0,0002951 0,02951 3,53
26 6 II Cv 0,0003548 0,03548 3,45
27 7 Ah 0,0000851 0,00851 4,07
28 7 Bv-Sw 0,0002630 0,02630 3,58
29 7 II Sd-Sw 0,0001445 0,01445 3,84
30 7 III Sd-C 0,0000891 0,00891 4,05
13 8 Ah 0,0000091 0,00091 5,04
14 8 Go 0,0000029 0,00029 5,54
15 8 Gr 0,0000033 0,00033 5,48
31 9 rAp 0,0000135 0,00135 4,87
32 9 Bv 0,0000020 0,00020 5,69
33 9 Sw 0,0000008 0,00008 6,10
34 9 Sd-C 0,0000010 0,00010 6,02

48
9. Anhang 49

Tabelle a/4: Ton- und organischer Kohlenstoffgehalt


Horizont Tonanteil org. Kohlenstoff
% %
1 Ah 19,69 3,322
1M 19,96 0,506
1 M (Go) 21,76
1 Gor 18,77
1 Gr 15,26
2 rAp 23,97 2,382
2 Sw 33,49
2 II Swd 25,22
2 III Swd-C 17,65
3 Ah-Go 46,28 3,103
3 Gr 51,02
3 Gor 29,32
4 Ah 22,24 7,817
4 Bv 20,64
4 II Cv 11,49
4 III Cv 15,54
5 Ah 22,25 7,24
5 (Al)-Bv 19,57
5 Btv 25,35
5 II Cv 22,27
6 Ah 22,23 6,561
6 Bv-Sw 22,95
6 II Cv 22,28
7 Ah 27,21 7,937
7 Bv-Sw 24,90
7 II Sd-Sw 32,60
7 III Sd-C 28,02
8 Ah 28,91 2,256
8 Go 26,76
8 Gr 21,74
9 rAp 24,56 3,495
9 Bv 30,39
9 Sw 36,00
9 Sd-C 28,11

49
9. Anhang 50

Regression: A-Horizonte, mobile SE; Prädiktoren: H+ und


SE_total
Variables Entered/Removed(b)

Variables Variables
Model Entered Removed Method
1 Protonen_c
. Enter
mol(a)
2 total_SE(a) . Enter
a All requested variables entered.
b Dependent Variable: mob_SE

Model Summary

Change Statistics
Adjusted R Std. Error of R Square
Model R R Square Square the Estimate Change F Change df1 df2 Sig. F Change
1 ,319(a) ,102 -,026 ,468713966 ,102 ,794 1 7 ,403
2 ,352(b) ,124 -,168 ,499989028 ,022 ,152 1 6 ,710
a Predictors: (Constant), Protonen_cmol
b Predictors: (Constant), Protonen_cmol, total_SE

ANOVA(c)

Sum of
Model Squares df Mean Square F Sig.
1 Regressio
,174 1 ,174 ,794 ,403(a)
n
Residual 1,538 7 ,220
Total 1,712 8
2 Regressio
,212 2 ,106 ,425 ,672(b)
n
Residual 1,500 6 ,250
Total 1,712 8
a Predictors: (Constant), Protonen_cmol
b Predictors: (Constant), Protonen_cmol, total_SE
c Dependent Variable: mob_SE

Coefficients(a)

Unstandardized Standardized
Coefficients Coefficients

Model B Std. Error Beta t Sig.


1 (Constant) ,458 ,201 2,276 ,057
Protonen_c
-12,325 13,835 -,319 -,891 ,403
mol
2 (Constant) ,072 1,014 ,071 ,946
Protonen_c
-10,224 15,714 -,265 -,651 ,539
mol
total_SE ,002 ,006 ,158 ,389 ,710
a Dependent Variable: mob_SE

50
9. Anhang 51

Regression: A-Horizonte, mobile LSE; Prädiktoren: H+ und


LSE_total
Variables Entered/Removed(b)

Variables Variables
Model Entered Removed Method
1 Protonen_c
. Enter
mol(a)
2 total_LSE(a) . Enter
a All requested variables entered.
b Dependent Variable: mob_LSE

Model Summary

Change Statistics
Adjusted R Std. Error of R Square
Model R R Square Square the Estimate Change F Change df1 df2 Sig. F Change
1 ,322(a) ,103 -,025 ,383089501 ,103 ,808 1 7 ,399
2 ,356(b) ,127 -,164 ,408306449 ,024 ,162 1 6 ,701
a Predictors: (Constant), Protonen_cmol
b Predictors: (Constant), Protonen_cmol, total_LSE

ANOVA(c)

Sum of
Model Squares df Mean Square F Sig.
1 Regressio
,119 1 ,119 ,808 ,399(a)
n
Residual 1,027 7 ,147
Total 1,146 8
2 Regressio
,146 2 ,073 ,437 ,665(b)
n
Residual 1,000 6 ,167
Total 1,146 8
a Predictors: (Constant), Protonen_cmol
b Predictors: (Constant), Protonen_cmol, total_LSE
c Dependent Variable: mob_LSE

Coefficients(a)

Unstandardized Standardized
Coefficients Coefficients

Model B Std. Error Beta t Sig.


1 (Constant) ,368 ,165 2,240 ,060
Protonen_c
-10,163 11,308 -,322 -,899 ,399
mol
2 (Constant) ,026 ,868 ,030 ,977
Protonen_c
-8,673 12,608 -,274 -,688 ,517
mol
total_LSE ,002 ,006 ,161 ,403 ,701
a Dependent Variable: mob_LSE

51
9. Anhang 52

Regression: A-Horizonte, mobile HSE; Prädiktoren: H+ und


HSE_total

Variables Entered/Removed(b)

Variables Variables
Model Entered Removed Method
1 Protonen_c
. Enter
mol(a)
2 total_HSE(a
. Enter
)
a All requested variables entered.
b Dependent Variable: mob_HSE

Model Summary

Change Statistics
Adjusted R Std. Error of R Square
Model R R Square Square the Estimate Change F Change df1 df2 Sig. F Change
1 ,309(a) ,096 -,033 ,085119900 ,096 ,741 1 7 ,418
2 ,329(b) ,108 -,189 ,091306844 ,012 ,084 1 6 ,782
a Predictors: (Constant), Protonen_cmol
b Predictors: (Constant), Protonen_cmol, total_HSE

ANOVA(c)

Sum of
Model Squares df Mean Square F Sig.
1 Regressio
,005 1 ,005 ,741 ,418(a)
n
Residual ,051 7 ,007
Total ,056 8
2 Regressio
,006 2 ,003 ,364 ,709(b)
n
Residual ,050 6 ,008
Total ,056 8
a Predictors: (Constant), Protonen_cmol
b Predictors: (Constant), Protonen_cmol, total_HSE
c Dependent Variable: mob_HSE

Coefficients(a)

Unstandardized Standardized
Coefficients Coefficients

Model B Std. Error Beta t Sig.


1 (Constant) ,085 ,037 2,323 ,053
Protonen_c
-2,163 2,513 -,309 -,861 ,418
mol
2 (Constant) ,055 ,109 ,508 ,630
Protonen_c
-1,773 3,014 -,254 -,588 ,578
mol
total_HSE ,001 ,005 ,125 ,289 ,782
a Dependent Variable: mob_HSE

52
9. Anhang 53

Einzelelemente Sc – L: Prädiktoren: H+ und SEMe_total

Sc
Variables Entered/Removed(b)

Variables Variables
Model Entered Removed Method
1 PROT_konz
. Enter
(a)
2 Sc_total(a) . Enter
a All requested variables entered.
b Dependent Variable: Sc_mobil
Model Summary

Change Statistics
Adjusted R Std. Error of R Square
Model R R Square Square the Estimate Change F Change df1 df2 Sig. F Change
1 ,309(a) ,095 ,067 ,002716631 ,095 3,375 1 32 ,075
2 ,337(b) ,114 ,056 ,002732174 ,018 ,637 1 31 ,431
a Predictors: (Constant), PROT_konz
b Predictors: (Constant), PROT_konz, Sc_total

ANOVA(c)

Sum of
Model Squares df Mean Square F Sig.
1 Regressio
,000 1 ,000 3,375 ,075(a)
n
Residual ,000 32 ,000
Total ,000 33
2 Regressio
,000 2 ,000 1,987 ,154(b)
n
Residual ,000 31 ,000
Total ,000 33
a Predictors: (Constant), PROT_konz
b Predictors: (Constant), PROT_konz, Sc_total
c Dependent Variable: Sc_mobil

Coefficients(a)

Unstandardized Standardized
Coefficients Coefficients

Model B Std. Error Beta t Sig.


1 (Constant) ,006 ,001 8,640 ,000
PROT_ko
7,321 3,985 ,309 1,837 ,075
nz
2 (Constant) ,004 ,002 1,794 ,083
PROT_ko
8,026 4,104 ,339 1,956 ,060
nz
Sc_total ,000 ,000 ,138 ,798 ,431
a Dependent Variable: Sc_mobil

53
9. Anhang 54

Yb
Variables Entered/Removed(b)

Variables Variables
Model Entered Removed Method
1 PROT_konz
. Enter
(a)
2 Y_total(a) . Enter
a All requested variables entered.
b Dependent Variable: Y_mobil

Model Summary

Change Statistics
Adjusted R Std. Error of R Square
Model R R Square Square the Estimate Change F Change df1 df2 Sig. F Change
1 ,429(a) ,184 ,158 1,445222027 ,184 7,215 1 32 ,011
2 ,662(b) ,438 ,401 1,218991447 ,254 13,980 1 31 ,001
a Predictors: (Constant), PROT_konz
b Predictors: (Constant), PROT_konz, Y_total

ANOVA(c)

Sum of
Model Squares df Mean Square F Sig.
1 Regressio
15,070 1 15,070 7,215 ,011(a)
n
Residual 66,837 32 2,089
Total 81,908 33
2 Regressio
35,844 2 17,922 12,061 ,000(b)
n
Residual 46,064 31 1,486
Total 81,908 33
a Predictors: (Constant), PROT_konz
b Predictors: (Constant), PROT_konz, Y_total
c Dependent Variable: Y_mobil

Coefficients(a)

Unstandardized Standardized
Coefficients Coefficients

Model B Std. Error Beta t Sig.


1 (Constant) ,443 ,342 1,293 ,205
PROT_ko
5694,773 2120,057 ,429 2,686 ,011
nz
2 (Constant) -2,673 ,882 -3,031 ,005
PROT_ko
9065,622 2002,601 ,683 4,527 ,000
nz
Y_total ,242 ,065 ,564 3,739 ,001
a Dependent Variable: Y_mobil

54
9. Anhang 55

La
Variables Entered/Removed(b)

Variables Variables
Model Entered Removed Method
1 PROT_konz
. Enter
(a)
2 La_total(a) . Enter
a All requested variables entered.
b Dependent Variable: La_mobil

Model Summary

Change Statistics
Adjusted R Std. Error of R Square
Model R R Square Square the Estimate Change F Change df1 df2 Sig. F Change
1 ,446(a) ,199 ,174 2,216689379 ,199 7,964 1 32 ,008
2 ,589(b) ,347 ,305 2,034114275 ,148 7,002 1 31 ,013
a Predictors: (Constant), PROT_konz
b Predictors: (Constant), PROT_konz, La_total

ANOVA(c)

Sum of
Model Squares df Mean Square F Sig.
1 Regressio
39,134 1 39,134 7,964 ,008(a)
n
Residual 157,239 32 4,914
Total 196,373 33
2 Regressio
68,106 2 34,053 8,230 ,001(b)
n
Residual 128,266 31 4,138
Total 196,373 33
a Predictors: (Constant), PROT_konz
b Predictors: (Constant), PROT_konz, La_total
c Dependent Variable: La_mobil

Coefficients(a)

Unstandardized Standardized
Coefficients Coefficients

Model B Std. Error Beta t Sig.


1 (Constant) ,707 ,525 1,347 ,188
PROT_ko
9176,749 3251,755 ,446 2,822 ,008
nz
2 (Constant) -4,136 1,893 -2,185 ,037
PROT_ko
11258,876 3085,928 ,548 3,648 ,001
nz
La_total ,126 ,048 ,397 2,646 ,013
a Dependent Variable: La_mobil

55
9. Anhang 56

Ce
Variables Entered/Removed(b)

Variables Variables
Model Entered Removed Method
1 PROT_konz
. Enter
(a)
2 Ce_total(a) . Enter
a All requested variables entered.
b Dependent Variable: Ce_mob

Model Summary

Change Statistics
Adjusted R Std. Error of R Square
Model R R Square Square the Estimate Change F Change df1 df2 Sig. F Change
1 ,497(a) ,247 ,224 2,308844948 ,247 10,520 1 32 ,003
2 ,612(b) ,375 ,334 2,138261089 ,127 6,309 1 31 ,017
a Predictors: (Constant), PROT_konz
b Predictors: (Constant), PROT_konz, Ce_total

ANOVA(c)

Sum of
Model Squares df Mean Square F Sig.
1 Regressio
56,081 1 56,081 10,520 ,003(a)
n
Residual 170,584 32 5,331
Total 226,665 33
2 Regressio
84,928 2 42,464 9,288 ,001(b)
n
Residual 141,737 31 4,572
Total 226,665 33
a Predictors: (Constant), PROT_konz
b Predictors: (Constant), PROT_konz, Ce_total
c Dependent Variable: Ce_mob

Coefficients(a)

Unstandardized Standardized
Coefficients Coefficients

Model B Std. Error Beta t Sig.


1 (Constant) ,637 ,547 1,164 ,253
PROT_ko
10985,479 3386,942 ,497 3,243 ,003
nz
2 (Constant) -5,501 2,496 -2,204 ,035
PROT_ko
12924,737 3230,321 ,585 4,001 ,000
nz
Ce_total ,074 ,030 ,367 2,512 ,017
a Dependent Variable: Ce_mob

56
9. Anhang 57

Pr
Variables Entered/Removed(b)

Variables Variables
Model Entered Removed Method
1 PROT_konz
. Enter
(a)
2 Pr_total(a) . Enter
a All requested variables entered.
b Dependent Variable: Pr_mobil

Model Summary

Change Statistics
Adjusted R Std. Error of R Square
Model R R Square Square the Estimate Change F Change df1 df2 Sig. F Change
1 ,423(a) ,179 ,154 ,354351789 ,179 6,991 1 32 ,013
2 ,551(b) ,304 ,259 ,331517013 ,125 5,560 1 31 ,025
a Predictors: (Constant), PROT_konz
b Predictors: (Constant), PROT_konz, Pr_total

ANOVA(c)

Sum of
Model Squares df Mean Square F Sig.
1 Regressio
,878 1 ,878 6,991 ,013(a)
n
Residual 4,018 32 ,126
Total 4,896 33
2 Regressio
1,489 2 ,744 6,774 ,004(b)
n
Residual 3,407 31 ,110
Total 4,896 33
a Predictors: (Constant), PROT_konz
b Predictors: (Constant), PROT_konz, Pr_total
c Dependent Variable: Pr_mobil

Coefficients(a)

Unstandardized Standardized
Coefficients Coefficients

Model B Std. Error Beta t Sig.


1 (Constant) ,108 ,084 1,282 ,209
PROT_ko
1374,399 519,814 ,423 2,644 ,013
nz
2 (Constant) -,661 ,335 -1,971 ,058
PROT_ko
1708,954 506,590 ,527 3,373 ,002
nz
Pr_total ,082 ,035 ,368 2,358 ,025
a Dependent Variable: Pr_mobil

57
9. Anhang 58

Nd
Variables Entered/Removed(b)

Variables Variables
Model Entered Removed Method
1 PROT_konz
. Enter
(a)
2 Nd_total(a) . Enter
a All requested variables entered.
b Dependent Variable: Nd_mobil

Model Summary

Change Statistics
Adjusted R Std. Error of R Square
Model R R Square Square the Estimate Change F Change df1 df2 Sig. F Change
1 ,408(a) ,166 ,140 1,383891974 ,166 6,374 1 32 ,017
2 ,561(b) ,315 ,271 1,274152135 ,149 6,750 1 31 ,014
a Predictors: (Constant), PROT_konz
b Predictors: (Constant), PROT_konz, Nd_total

ANOVA(c)

Sum of
Model Squares df Mean Square F Sig.
1 Regressio
12,206 1 12,206 6,374 ,017(a)
n
Residual 61,285 32 1,915
Total 73,491 33
2 Regressio
23,164 2 11,582 7,134 ,003(b)
n
Residual 50,327 31 1,623
Total 73,491 33
a Predictors: (Constant), PROT_konz
b Predictors: (Constant), PROT_konz, Nd_total
c Dependent Variable: Nd_mobil

Coefficients(a)

Unstandardized Standardized
Coefficients Coefficients

Model B Std. Error Beta t Sig.


1 (Constant) ,445 ,328 1,356 ,185
PROT_ko
5125,129 2030,090 ,408 2,525 ,017
nz
2 (Constant) -2,777 1,276 -2,176 ,037
PROT_ko
6592,260 1952,555 ,524 3,376 ,002
nz
Nd_total ,093 ,036 ,403 2,598 ,014
a Dependent Variable: Nd_mobil

58
9. Anhang 59

Sm
Variables Entered/Removed(b)

Variables Variables
Model Entered Removed Method
1 PROT_konz
. Enter
(a)
2 Sm_total(a) . Enter
a All requested variables entered.
b Dependent Variable: Sm_mobil

Model Summary

Change Statistics
Adjusted R Std. Error of R Square
Model R R Square Square the Estimate Change F Change df1 df2 Sig. F Change
1 ,424(a) ,180 ,154 ,289190758 ,180 7,001 1 32 ,013
2 ,601(b) ,362 ,320 ,259189702 ,182 8,837 1 31 ,006
a Predictors: (Constant), PROT_konz
b Predictors: (Constant), PROT_konz, Sm_total

ANOVA(c)

Sum of
Model Squares df Mean Square F Sig.
1 Regressio
,585 1 ,585 7,001 ,013(a)
n
Residual 2,676 32 ,084
Total 3,262 33
2 Regressio
1,179 2 ,590 8,776 ,001(b)
n
Residual 2,083 31 ,067
Total 3,262 33
a Predictors: (Constant), PROT_konz
b Predictors: (Constant), PROT_konz, Sm_total
c Dependent Variable: Sm_mobil

Coefficients(a)

Unstandardized Standardized
Coefficients Coefficients

Model B Std. Error Beta t Sig.


1 (Constant) ,083 ,069 1,213 ,234
PROT_ko
1122,459 424,226 ,424 2,646 ,013
nz
2 (Constant) -,623 ,245 -2,539 ,016
PROT_ko
1541,672 405,527 ,582 3,802 ,001
nz
Sm_total ,107 ,036 ,455 2,973 ,006
a Dependent Variable: Sm_mobil

59
9. Anhang 60

Eu
Variables Entered/Removed(b)

Variables Variables
Model Entered Removed Method
1 PROT_konz
. Enter
(a)
2 Eu_total(a) . Enter
a All requested variables entered.
b Dependent Variable: Eu_mobil

Model Summary

Change Statistics
Adjusted R Std. Error of R Square
Model R R Square Square the Estimate Change F Change df1 df2 Sig. F Change
1 ,427(a) ,183 ,157 ,066784657 ,183 7,149 1 32 ,012
2 ,599(b) ,359 ,317 ,060102194 ,176 8,511 1 31 ,007
a Predictors: (Constant), PROT_konz
b Predictors: (Constant), PROT_konz, Eu_total

ANOVA(c)

Sum of
Model Squares df Mean Square F Sig.
1 Regressio
,032 1 ,032 7,149 ,012(a)
n
Residual ,143 32 ,004
Total ,175 33
2 Regressio
,063 2 ,031 8,669 ,001(b)
n
Residual ,112 31 ,004
Total ,175 33
a Predictors: (Constant), PROT_konz
b Predictors: (Constant), PROT_konz, Eu_total
c Dependent Variable: Eu_mobil

Coefficients(a)

Unstandardized Standardized
Coefficients Coefficients

Model B Std. Error Beta t Sig.


1 (Constant) ,020 ,016 1,271 ,213
PROT_ko
261,950 97,969 ,427 2,674 ,012
nz
2 (Constant) -,106 ,045 -2,327 ,027
PROT_ko
357,318 94,031 ,583 3,800 ,001
nz
Eu_total ,106 ,036 ,448 2,917 ,007
a Dependent Variable: Eu_mobil

60
9. Anhang 61

Gd
Variables Entered/Removed(b)

Variables Variables
Model Entered Removed Method
1 PROT_konz
. Enter
(a)
2 Gd_total(a) . Enter
a All requested variables entered.
b Dependent Variable: Gd_mobil

Model Summary

Change Statistics
Adjusted R Std. Error of R Square
Model R R Square Square the Estimate Change F Change df1 df2 Sig. F Change
1 ,440(a) ,194 ,168 ,342563783 ,194 7,684 1 32 ,009
2 ,619(b) ,383 ,343 ,304457665 ,189 9,512 1 31 ,004
a Predictors: (Constant), PROT_konz
b Predictors: (Constant), PROT_konz, Gd_total

ANOVA(c)

Sum of
Model Squares df Mean Square F Sig.
1 Regressio
,902 1 ,902 7,684 ,009(a)
n
Residual 3,755 32 ,117
Total 4,657 33
2 Regressio
1,783 2 ,892 9,620 ,001(b)
n
Residual 2,874 31 ,093
Total 4,657 33
a Predictors: (Constant), PROT_konz
b Predictors: (Constant), PROT_konz, Gd_total
c Dependent Variable: Gd_mobil

Coefficients(a)

Unstandardized Standardized
Coefficients Coefficients

Model B Std. Error Beta t Sig.


1 (Constant) ,095 ,081 1,166 ,252
PROT_ko
1393,000 502,521 ,440 2,772 ,009
nz
2 (Constant) -,674 ,259 -2,598 ,014
PROT_ko
2032,459 492,404 ,642 4,128 ,000
nz
Gd_total ,141 ,046 ,480 3,084 ,004
a Dependent Variable: Gd_mobil

61
9. Anhang 62

Tb
Variables Entered/Removed(b)

Variables Variables
Model Entered Removed Method
1 PROT_konz
. Enter
(a)
2 Tb_total(a) . Enter
a All requested variables entered.
b Dependent Variable: Tb_mobil

Model Summary

Change Statistics
Adjusted R Std. Error of R Square
Model R R Square Square the Estimate Change F Change df1 df2 Sig. F Change
1 ,451(a) ,204 ,179 ,041757200 ,204 8,177 1 32 ,007
2 ,634(b) ,402 ,364 ,036758298 ,199 10,295 1 31 ,003
a Predictors: (Constant), PROT_konz
b Predictors: (Constant), PROT_konz, Tb_total

ANOVA(c)

Sum of
Model Squares df Mean Square F Sig.
1 Regressio
,014 1 ,014 8,177 ,007(a)
n
Residual ,056 32 ,002
Total ,070 33
2 Regressio
,028 2 ,014 10,424 ,000(b)
n
Residual ,042 31 ,001
Total ,070 33
a Predictors: (Constant), PROT_konz
b Predictors: (Constant), PROT_konz, Tb_total
c Dependent Variable: Tb_mobil

Coefficients(a)

Unstandardized Standardized
Coefficients Coefficients

Model B Std. Error Beta t Sig.


1 (Constant) ,011 ,010 1,092 ,283
PROT_ko
175,158 61,255 ,451 2,859 ,007
nz
2 (Constant) -,083 ,030 -2,720 ,011
PROT_ko
259,278 59,958 ,668 4,324 ,000
nz
Tb_total ,147 ,046 ,495 3,209 ,003
a Dependent Variable: Tb_mobil

62
9. Anhang 63

Dy
Variables Entered/Removed(b)

Variables Variables
Model Entered Removed Method
1 PROT_konz
. Enter
(a)
2 Dy_total(a) . Enter
a All requested variables entered.
b Dependent Variable: Dy_mobil

Model Summary

Change Statistics
Adjusted R Std. Error of R Square
Model R R Square Square the Estimate Change F Change df1 df2 Sig. F Change
1 ,457(a) ,209 ,184 ,231646200 ,209 8,465 1 32 ,007
2 ,632(b) ,399 ,360 ,205144288 ,190 9,802 1 31 ,004
a Predictors: (Constant), PROT_konz
b Predictors: (Constant), PROT_konz, Dy_total

ANOVA(c)

Sum of
Model Squares df Mean Square F Sig.
1 Regressio
,454 1 ,454 8,465 ,007(a)
n
Residual 1,717 32 ,054
Total 2,171 33
2 Regressio
,867 2 ,433 10,298 ,000(b)
n
Residual 1,305 31 ,042
Total 2,171 33
a Predictors: (Constant), PROT_konz
b Predictors: (Constant), PROT_konz, Dy_total
c Dependent Variable: Dy_mobil

Coefficients(a)

Unstandardized Standardized
Coefficients Coefficients

Model B Std. Error Beta t Sig.


1 (Constant) ,057 ,055 1,047 ,303
PROT_ko
988,672 339,812 ,457 2,909 ,007
nz
2 (Constant) -,419 ,160 -2,622 ,013
PROT_ko
1493,951 341,479 ,691 4,375 ,000
nz
Dy_total ,154 ,049 ,495 3,131 ,004
a Dependent Variable: Dy_mobil

63
9. Anhang 64

Ho
Variables Entered/Removed(b)

Variables Variables
Model Entered Removed Method
1 PROT_konz
. Enter
(a)
2 Ho_total(a) . Enter
a All requested variables entered.
b Dependent Variable: Ho_mobil

Model Summary

Change Statistics
Adjusted R Std. Error of R Square
Model R R Square Square the Estimate Change F Change df1 df2 Sig. F Change
1 ,457(a) ,209 ,184 ,042692623 ,209 8,440 1 32 ,007
2 ,645(b) ,416 ,378 ,037261979 ,207 11,007 1 31 ,002
a Predictors: (Constant), PROT_konz
b Predictors: (Constant), PROT_konz, Ho_total

ANOVA(c)

Sum of
Model Squares df Mean Square F Sig.
1 Regressio
,015 1 ,015 8,440 ,007(a)
n
Residual ,058 32 ,002
Total ,074 33
2 Regressio
,031 2 ,015 11,043 ,000(b)
n
Residual ,043 31 ,001
Total ,074 33
a Predictors: (Constant), PROT_konz
b Predictors: (Constant), PROT_konz, Ho_total
c Dependent Variable: Ho_mobil

Coefficients(a)

Unstandardized Standardized
Coefficients Coefficients

Model B Std. Error Beta t Sig.


1 (Constant) ,011 ,010 1,068 ,294
PROT_ko
181,943 62,628 ,457 2,905 ,007
nz
2 (Constant) -,076 ,028 -2,755 ,010
PROT_ko
276,600 61,659 ,695 4,486 ,000
nz
Ho_total ,168 ,051 ,514 3,318 ,002
a Dependent Variable: Ho_mobil

64
9. Anhang 65

Er
Variables Entered/Removed(b)

Variables Variables
Model Entered Removed Method
1 PROT_konz
. Enter
(a)
2 Er_total(a) . Enter
a All requested variables entered.
b Dependent Variable: Er_mobil

Model Summary

Change Statistics
Adjusted R Std. Error of R Square
Model R R Square Square the Estimate Change F Change df1 df2 Sig. F Change
1 ,458(a) ,210 ,185 ,119486258 ,210 8,492 1 32 ,006
2 ,658(b) ,433 ,396 ,102867230 ,223 12,175 1 31 ,001
a Predictors: (Constant), PROT_konz
b Predictors: (Constant), PROT_konz, Er_total

ANOVA(c)

Sum of
Model Squares df Mean Square F Sig.
1 Regressio
,121 1 ,121 8,492 ,006(a)
n
Residual ,457 32 ,014
Total ,578 33
2 Regressio
,250 2 ,125 11,816 ,000(b)
n
Residual ,328 31 ,011
Total ,578 33
a Predictors: (Constant), PROT_konz
b Predictors: (Constant), PROT_konz, Er_total
c Dependent Variable: Er_mobil

Coefficients(a)

Unstandardized Standardized
Coefficients Coefficients

Model B Std. Error Beta t Sig.


1 (Constant) ,030 ,028 1,045 ,304
PROT_ko
510,790 175,279 ,458 2,914 ,006
nz
2 (Constant) -,208 ,072 -2,878 ,007
PROT_ko
764,737 167,534 ,686 4,565 ,000
nz
Er_total ,178 ,051 ,524 3,489 ,001
a Dependent Variable: Er_mobil

65
9. Anhang 66

Tm
Variables Entered/Removed(b)

Variables Variables
Model Entered Removed Method
1 PROT_konz
. Enter
(a)
2 Tm_total(a) . Enter
a All requested variables entered.
b Dependent Variable: Tm_mobil

Model Summary

Change Statistics
Adjusted R Std. Error of R Square
Model R R Square Square the Estimate Change F Change df1 df2 Sig. F Change
1 ,466(a) ,217 ,193 ,015594317 ,217 8,873 1 32 ,005
2 ,666(b) ,443 ,407 ,013362693 ,226 12,581 1 31 ,001
a Predictors: (Constant), PROT_konz
b Predictors: (Constant), PROT_konz, Tm_total

ANOVA(c)

Sum of
Model Squares df Mean Square F Sig.
1 Regressio
,002 1 ,002 8,873 ,005(a)
n
Residual ,008 32 ,000
Total ,010 33
2 Regressio
,004 2 ,002 12,332 ,000(b)
n
Residual ,006 31 ,000
Total ,010 33
a Predictors: (Constant), PROT_konz
b Predictors: (Constant), PROT_konz, Tm_total
c Dependent Variable: Tm_mobil

Coefficients(a)

Unstandardized Standardized
Coefficients Coefficients

Model B Std. Error Beta t Sig.


1 (Constant) ,004 ,004 ,976 ,336
PROT_ko
68,142 22,876 ,466 2,979 ,005
nz
2 (Constant) -,027 ,009 -2,938 ,006
PROT_ko
100,487 21,620 ,687 4,648 ,000
nz
Tm_total ,171 ,048 ,524 3,547 ,001
a Dependent Variable: Tm_mobil

66
9. Anhang 67

Yb
Variables Entered/Removed(b)

Variables Variables
Model Entered Removed Method
1 PROT_konz
. Enter
(a)
2 Yb_total(a) . Enter
a All requested variables entered.
b Dependent Variable: Yb_mobil

Model Summary

Change Statistics
Adjusted R Std. Error of R Square
Model R R Square Square the Estimate Change F Change df1 df2 Sig. F Change
1 ,468(a) ,219 ,194 ,089368371 ,219 8,968 1 32 ,005
2 ,664(b) ,440 ,404 ,076861291 ,221 12,262 1 31 ,001
a Predictors: (Constant), PROT_konz
b Predictors: (Constant), PROT_konz, Yb_total

ANOVA(c)

Sum of
Model Squares df Mean Square F Sig.
1 Regressio
,072 1 ,072 8,968 ,005(a)
n
Residual ,256 32 ,008
Total ,327 33
2 Regressio
,144 2 ,072 12,193 ,000(b)
n
Residual ,183 31 ,006
Total ,327 33
a Predictors: (Constant), PROT_konz
b Predictors: (Constant), PROT_konz, Yb_total
c Dependent Variable: Yb_mobil

Coefficients(a)

Unstandardized Standardized
Coefficients Coefficients

Model B Std. Error Beta t Sig.


1 (Constant) ,020 ,021 ,936 ,356
PROT_ko
392,597 131,098 ,468 2,995 ,005
nz
2 (Constant) -,153 ,053 -2,910 ,007
PROT_ko
586,408 125,604 ,699 4,669 ,000
nz
Yb_total ,152 ,044 ,524 3,502 ,001
a Dependent Variable: Yb_mobil

67
9. Anhang 68

Lu
Variables Entered/Removed(b)

Variables Variables
Model Entered Removed Method
1 PROT_konz
. Enter
(a)
2 Lu_total(a) . Enter
a All requested variables entered.
b Dependent Variable: Lu_mobil

Model Summary

Change Statistics
Adjusted R Std. Error of R Square
Model R R Square Square the Estimate Change F Change df1 df2 Sig. F Change
1 ,466(a) ,217 ,192 ,013180248 ,217 8,863 1 32 ,006
2 ,667(b) ,445 ,409 ,011275844 ,228 12,722 1 31 ,001
a Predictors: (Constant), PROT_konz
b Predictors: (Constant), PROT_konz, Lu_total

ANOVA(c)

Sum of
Model Squares df Mean Square F Sig.
1 Regressio
,002 1 ,002 8,863 ,006(a)
n
Residual ,006 32 ,000
Total ,007 33
2 Regressio
,003 2 ,002 12,416 ,000(b)
n
Residual ,004 31 ,000
Total ,007 33
a Predictors: (Constant), PROT_konz
b Predictors: (Constant), PROT_konz, Lu_total
c Dependent Variable: Lu_mobil

Coefficients(a)

Unstandardized Standardized
Coefficients Coefficients

Model B Std. Error Beta t Sig.


1 (Constant) ,003 ,003 ,922 ,363
PROT_ko
57,561 19,335 ,466 2,977 ,006
nz
2 (Constant) -,022 ,007 -2,935 ,006
PROT_ko
83,919 18,117 ,679 4,632 ,000
nz
Lu_total ,154 ,043 ,523 3,567 ,001
a Dependent Variable: Lu_mobil

68
9. Anhang 69

Regression: mobile SE; Prädiktoren H+, Corg und SE_total


Variables Entered/Removed(b)

Variables Variables
Model Entered Removed Method
1 Protonen_k
. Enter
onz(a)
2 C.org(a) . Enter
3 SE_total(a) . Enter
a All requested variables entered.
b Dependent Variable: SE_geloest

Model Summary

Change Statistics
Adjusted R Std. Error of R Square
Model R R Square Square the Estimate Change F Change df1 df2 Sig. F Change
1 ,459(a) ,211 ,186 8,749075221 ,211 8,544 1 32 ,006
2 ,563(b) ,317 ,273 8,267326550 ,107 4,838 1 31 ,035
3 ,623(c) ,388 ,326 7,959108350 ,070 3,447 1 30 ,073
a Predictors: (Constant), Protonen_konz
b Predictors: (Constant), Protonen_konz, C.org
c Predictors: (Constant), Protonen_konz, C.org, SE_total

ANOVA(d)

Sum of
Model Squares df Mean Square F Sig.
1 Regressio
654,048 1 654,048 8,544 ,006(a)
n
Residual 2449,482 32 76,546
Total 3103,530 33
2 Regressio
984,721 2 492,361 7,204 ,003(b)
n
Residual 2118,809 31 68,349
Total 3103,530 33
3 Regressio
1203,108 3 401,036 6,331 ,002(c)
n
Residual 1900,422 30 63,347
Total 3103,530 33
a Predictors: (Constant), Protonen_konz
b Predictors: (Constant), Protonen_konz, C.org
c Predictors: (Constant), Protonen_konz, C.org, SE_total
d Dependent Variable: SE_geloest

69
9. Anhang 70

Coefficients(a)

Unstandardized Standardized
Coefficients Coefficients

Model B Std. Error Beta t Sig.


1 (Constant) 2,678 2,073 1,292 ,206
Protonen_k
37516,121 12834,388 ,459 2,923 ,006
onz
2 (Constant) 4,533 2,133 2,125 ,042
Protonen_k
35856,978 12151,126 ,439 2,951 ,006
onz
C.org -1,273 ,579 -,327 -2,200 ,035
3 (Constant) -18,864 12,768 -1,478 ,150
Protonen_k
47467,438 13264,540 ,581 3,579 ,001
onz
C.org -,249 ,784 -,064 -,318 ,753
SE_total ,108 ,058 ,394 1,857 ,073
a Dependent Variable: SE_geloest

70
9. Anhang 71

Regression: mobile SE; Prädiktoren H+, und Corg


Variables Entered/Removed(b)

Variables Variables
Model Entered Removed Method
1 Protonen_k
. Enter
onz(a)
2 C.org(a) . Enter
a All requested variables entered.
b Dependent Variable: SE_geloest

Model Summary

Change Statistics
Adjusted R Std. Error of R Square
Model R R Square Square the Estimate Change F Change df1 df2 Sig. F Change
1 ,459(a) ,211 ,186 8,749075221 ,211 8,544 1 32 ,006
2 ,563(b) ,317 ,273 8,267326550 ,107 4,838 1 31 ,035
a Predictors: (Constant), Protonen_konz
b Predictors: (Constant), Protonen_konz, C.org

ANOVA(c)

Sum of
Model Squares df Mean Square F Sig.
1 Regressio
654,048 1 654,048 8,544 ,006(a)
n
Residual 2449,482 32 76,546
Total 3103,530 33
2 Regressio
984,721 2 492,361 7,204 ,003(b)
n
Residual 2118,809 31 68,349
Total 3103,530 33
a Predictors: (Constant), Protonen_konz
b Predictors: (Constant), Protonen_konz, C.org
c Dependent Variable: SE_geloest

Coefficients(a)

Unstandardized Standardized
Coefficients Coefficients

Model B Std. Error Beta t Sig.


1 (Constant) 2,678 2,073 1,292 ,206

71
9. Anhang 72

Protonen_k
37516,121 12834,388 ,459 2,923 ,006
onz
2 (Constant) 4,533 2,133 2,125 ,042
Protonen_k
35856,978 12151,126 ,439 2,951 ,006
onz
C.org -1,273 ,579 -,327 -2,200 ,035
a Dependent Variable: SE_geloest

Regression: mobile SE; Prädiktor Corg


Variables Entered/Removed(b)

Variables Variables
Model Entered Removed Method
1 C.org(a) . Enter
a All requested variables entered.
b Dependent Variable: SE_geloest

Model Summary

Change Statistics
Adjusted R Std. Error of R Square
Model R R Square Square the Estimate Change F Change df1 df2 Sig. F Change
1 ,354(a) ,126 ,098 9,209343202 ,126 4,593 1 32 ,040
a Predictors: (Constant), C.org

ANOVA(b)

Sum of
Model Squares df Mean Square F Sig.
1 Regressio
389,546 1 389,546 4,593 ,040(a)
n
Residual 2713,984 32 84,812
Total 3103,530 33
a Predictors: (Constant), C.org
b Dependent Variable: SE_geloest

Coefficients(a)

Unstandardized Standardized
Coefficients Coefficients

Model B Std. Error Beta t Sig.


1 (Constant
8,669 1,791 4,841 ,000
)
C.org -1,379 ,643 -,354 -2,143 ,040
a Dependent Variable: SE_geloest

72
9. Anhang 73

Regression: mobile LSE; Prädiktoren: H+ und LSE_total


Variables Entered/Removed(b)

Variables Variables
Model Entered Removed Method
1 Protonen_k
. Enter
onz(a)
2 LSE_total(a
. Enter
)
a All requested variables entered.
b Dependent Variable: LSE_mobil

Model Summary

Change Statistics
Adjusted R Std. Error of R Square
Model R R Square Square the Estimate Change F Change df1 df2 Sig. F Change
1 ,461(a) ,212 ,188 6,512808261 ,212 8,618 1 32 ,006
2 ,595(b) ,353 ,312 5,994379383 ,141 6,774 1 31 ,014
a Predictors: (Constant), Protonen_konz
b Predictors: (Constant), Protonen_konz, LSE_total

ANOVA(c)

Sum of
Model Squares df Mean Square F Sig.
1 Regressio
365,528 1 365,528 8,618 ,006(a)
n
Residual 1357,333 32 42,417
Total 1722,862 33
2 Regressio
608,952 2 304,476 8,474 ,001(b)
n
Residual 1113,910 31 35,933
Total 1722,862 33
a Predictors: (Constant), Protonen_konz
b Predictors: (Constant), Protonen_konz, LSE_total
c Dependent Variable: LSE_mobil

Coefficients(a)

Unstandardized Standardized
Coefficients Coefficients

Model B Std. Error Beta t Sig.


1 (Constant) 2,000 1,543 1,296 ,204
Protonen_k
28046,166 9553,914 ,461 2,936 ,006
onz
2 (Constant) -14,413 6,464 -2,230 ,033
Protonen_k
34436,722 9129,756 ,566 3,772 ,001
onz
LSE_total ,095 ,036 ,390 2,603 ,014
a Dependent Variable: LSE_mobil

73
9. Anhang 74

Regression: mobile HSE; Prädiktoren: H+ und HSE_total

Variables Entered/Removed(b)

Variables Variables
Model Entered Removed Method
1 Protonen_k
. Enter
onz(a)
2 HSE_total(a
. Enter
)
a All requested variables entered.
b Dependent Variable: HSE_mobil

Model Summary

Change Statistics
Adjusted R Std. Error of R Square
Model R R Square Square the Estimate Change F Change df1 df2 Sig. F Change
1 ,439(a) ,193 ,167 2,335041714 ,193 7,631 1 32 ,009
2 ,657(b) ,431 ,395 1,990684726 ,239 13,029 1 31 ,001
a Predictors: (Constant), Protonen_konz
b Predictors: (Constant), Protonen_konz, HSE_total

ANOVA(c)

Sum of
Model Squares df Mean Square F Sig.
1 Regressio
41,610 1 41,610 7,631 ,009(a)
n
Residual 174,477 32 5,452
Total 216,087 33
2 Regressio
93,240 2 46,620 11,764 ,000(b)
n
Residual 122,848 31 3,963
Total 216,087 33
a Predictors: (Constant), Protonen_konz
b Predictors: (Constant), Protonen_konz, HSE_total
c Dependent Variable: HSE_mobil

Coefficients(a)

Unstandardized Standardized
Coefficients Coefficients

Model B Std. Error Beta t Sig.


1 (Constant) ,672 ,553 1,215 ,233
Protonen_k
9462,634 3425,371 ,439 2,763 ,009
onz
2 (Constant) -4,577 1,529 -2,994 ,005
Protonen_k
14827,411 3276,697 ,688 4,525 ,000
onz
HSE_total ,207 ,057 ,548 3,610 ,001
a Dependent Variable: HSE_mobil

74
9. Anhang 75

Regression: mobile SE; Prädiktoren: H+ und SE_total

Variables Entered/Removed(b)

Variables Variables
Model Entered Removed Method
1 Protonen_k
. Enter
onz(a)
2 SE_total(a) . Enter
a All requested variables entered.
b Dependent Variable: SE_geloest

Model Summary

Std. Error of Change Statistics


Adjusted the R Square F Sig. F
Model R R Square R Square Estimate Change Change df1 df2 Change
1 8,74907522
,459(a) ,211 ,186 ,211 8,544 1 32 ,006
1
2 7,84285591
,621(b) ,386 ,346 ,175 8,822 1 31 ,006
5
a Predictors: (Constant), Protonen_konz
b Predictors: (Constant), Protonen_konz, SE_total

ANOVA(c)

Sum of
Model Squares df Mean Square F Sig.
1 Regressio
654,048 1 654,048 8,544 ,006(a)
n
Residual 2449,482 32 76,546
Total 3103,530 33
2 Regressio
1196,708 2 598,354 9,728 ,001(b)
n
Residual 1906,822 31 61,510
Total 3103,530 33
a Predictors: (Constant), Protonen_konz
b Predictors: (Constant), Protonen_konz, SE_total
c Dependent Variable: SE_geloest

Coefficients(a)

Unstandardized Standardized
Coefficients Coefficients

Model B Std. Error Beta t Sig.


1 (Constant) 2,678 2,073 1,292 ,206
Protonen_k
37516,121 12834,388 ,459 2,923 ,006
onz
2 (Constant) -21,865 8,469 -2,582 ,015
Protonen_k
49029,600 12140,473 ,600 4,039 ,000
onz
SE_total ,121 ,041 ,441 2,970 ,006
a Dependent Variable: SE_geloest

75
9. Anhang 76

Regression: mobile SE; Prädiktoren; H+ und SE_total


Variables Entered/Removed(b)

Variables Variables
Model Entered Removed Method
1 Protonen_k
. Enter
onz(a)
2 SE_total(a) . Enter
a All requested variables entered.
b Dependent Variable: SE_mobil

Model Summary

Change Statistics
Adjusted R Std. Error of R Square
Model R R Square Square the Estimate Change F Change df1 df2 Sig. F Change
1 ,536(a) ,287 ,256 8,945565294 ,287 9,270 1 23 ,006
2 ,638(b) ,407 ,353 8,343022947 ,120 4,442 1 22 ,047
a Predictors: (Constant), Protonen_konz
b Predictors: (Constant), Protonen_konz, SE_total

ANOVA(c)

Sum of
Model Squares df Mean Square F Sig.
1 Regressio
741,834 1 741,834 9,270 ,006(a)
n
Residual 1840,532 23 80,023
Total 2582,367 24
2 Regressio
1051,034 2 525,517 7,550 ,003(b)
n
Residual 1531,333 22 69,606
Total 2582,367 24
a Predictors: (Constant), Protonen_konz
b Predictors: (Constant), Protonen_konz, SE_total
c Dependent Variable: SE_mobil

Coefficients(a)

Unstandardized Standardized
Coefficients Coefficients

Model B Std. Error Beta t Sig.


1 (Constant) 3,708 2,542 1,459 ,158
Protonen_k
46359,775 15226,343 ,536 3,045 ,006
onz
2 (Constant) -25,568 14,091 -1,814 ,083
Protonen_k
62306,286 16090,573 ,720 3,872 ,001
onz
SE_total ,135 ,064 ,392 2,108 ,047
a Dependent Variable: SE_mobil

76
9. Anhang 77

Regression: mobile LSE; Prädiktoren; H+ und LSE_total


Variables Entered/Removed(b)

Variables Variables
Model Entered Removed Method
1 Protonen_k
. Enter
onz(a)
2 LSE_total(a
. Enter
)
a All requested variables entered.
b Dependent Variable: LSE_mobil

Model Summary

Change Statistics
Adjusted R Std. Error of R Square
Model R R Square Square the Estimate Change F Change df1 df2 Sig. F Change
1 ,538(a) ,290 ,259 6,653012509 ,290 9,391 1 23 ,005
2 ,608(b) ,370 ,312 6,409069257 ,080 2,784 1 22 ,109
a Predictors: (Constant), Protonen_konz
b Predictors: (Constant), Protonen_konz, LSE_total

ANOVA(c)

Sum of
Model Squares df Mean Square F Sig.
1 Regressio
415,662 1 415,662 9,391 ,005(a)
n
Residual 1018,039 23 44,263
Total 1433,701 24
2 Regressio
530,025 2 265,013 6,452 ,006(b)
n
Residual 903,676 22 41,076
Total 1433,701 24
a Predictors: (Constant), Protonen_konz
b Predictors: (Constant), Protonen_konz, LSE_total
c Dependent Variable: LSE_mobil

Coefficients(a)

Unstandardized Standardized
Coefficients Coefficients

Model B Std. Error Beta t Sig.


1 (Constant) 2,758 1,890 1,459 ,158
Protonen_k
34702,265 11324,164 ,538 3,064 ,005
onz
2 (Constant) -13,994 10,203 -1,372 ,184
Protonen_k
42549,981 11879,617 ,660 3,582 ,002
onz
LSE_total ,091 ,054 ,308 1,669 ,109
a Dependent Variable: LSE_mobil

77
9. Anhang 78

Regression: mobile SE; Prädiktor: Ton


Variables Entered/Removed(b)

Variables Variables
Model Entered Removed Method
1 Ton(a) . Enter
a All requested variables entered.
b Dependent Variable: SE_geloest

Model Summary

Change Statistics
Adjusted R Std. Error of R Square
Model R R Square Square the Estimate Change F Change df1 df2 Sig.
1 ,102(a) ,010 -,020 9,796360942 ,010 ,339 1 32
a Predictors: (Constant), Ton

ANOVA(b)

Sum of
Model Squares df Mean Square F Sig.
1 Regressio
32,532 1 32,532 ,339 ,564(a)
n
Residual 3070,998 32 95,969
Total 3103,530 33
a Predictors: (Constant), Ton
b Dependent Variable: SE_geloest

Coefficients(a)

Unstandardized Standardized
Coefficients Coefficients

Model B Std. Error Beta t Sig.


1 (Constant
10,006 5,659 1,768 ,087
)
Ton -,125 ,214 -,102 -,582 ,564
a Dependent Variable: SE_geloest

Regression: mobile LSE; Prädiktor: Ton


Variables Entered/Removed(b)

Variables Variables
Model Entered Removed Method
1 Ton(a) . Enter
a All requested variables entered.
b Dependent Variable: LSE_mobil
78
9. Anhang 79

Model Summary

Change Statistics
Adjusted R Std. Error of R Square
Model R R Square Square the Estimate Change F Change df1 df2 Sig. F Change
1 ,105(a) ,011 -,020 7,297016410 ,011 ,356 1 32 ,555
a Predictors: (Constant), Ton

ANOVA(b)

Sum of
Model Squares df Mean Square F Sig.
1 Regressio
18,975 1 18,975 ,356 ,555(a)
n
Residual 1703,886 32 53,246
Total 1722,862 33
a Predictors: (Constant), Ton
b Dependent Variable: LSE_mobil

Coefficients(a)

Unstandardized Standardized
Coefficients Coefficients

Model B Std. Error Beta t Sig.


1 (Constant
7,529 4,215 1,786 ,084
)
Ton -,095 ,159 -,105 -,597 ,555
a Dependent Variable: LSE_mobil

Regression: mobile HSE; Prädiktor: Ton


Variables Entered/Removed(b)

Variables Variables
Model Entered Removed Method
1 Ton(a) . Enter
a All requested variables entered.
b Dependent Variable: HSE_mobil
Model Summary

Change Statistics
Adjusted R Std. Error of R Square
Model R R Square Square the Estimate Change F Change df1 df2 Sig. F Change
1 ,092(a) ,008 -,023 2,587642767 ,008 ,272 1 32 ,606
a Predictors: (Constant), Ton
79
9. Anhang 80

ANOVA(b)

Sum of
Model Squares df Mean Square F Sig.
1 Regressio
1,819 1 1,819 ,272 ,606(a)
n
Residual 214,269 32 6,696
Total 216,087 33
a Predictors: (Constant), Ton
b Dependent Variable: HSE_mobil

Coefficients(a)

Unstandardized Standardized
Coefficients Coefficients

Model B Std. Error Beta t Sig.


1 (Constant
2,471 1,495 1,653 ,108
)
Ton -,029 ,057 -,092 -,521 ,606
a Dependent Variable: HSE_mobil

80
9. Anhang 81

Eidesstattliche Erklärung

Ich versichere, dass ich die vorliegende Arbeit selbstständig verfasst und keine anderen als
die angegebenen Hilfsmittel verwendet habe. Die Stellen, die anderen Werken wörtlich
oder sinngemäß entnommen sind, wurden als solche kenntlich gemacht. Ich versichere
weiterhin, dass die Arbeit in gleicher oder ähnlicher form noch keiner anderen
Prüfungsbehörde vorgelegen hat.

Philippstein, den 13. April 2009 _____________________________


Unterschrift

81